[发明专利]面向领域整体的关键词集的评价和提取方法

权利要求书

1.一种领域关键词集的提取方法，其特征在于提出构建领域文集的词网，通过基于图结构的ranking算法计算词网节点的权重，利用搜索引擎调整词权，进而提取领域关键词集的方法，其具体步骤如下：

1)打开一批领域文集；

2)初始化词网：对领域文集预处理，将过滤后的实词作为词网的节点；

3)通过兴趣度创建词网的有向边；

4)用ranking算法计算节点的权重；

5)通过搜索引擎来调整节点对应的实词的词权；

6)统计实词的词权的排名；

7)选择关键词：将排名最高的N个词作为领域关键词集。

2.按权利要求1所述的领域关键词集的提取方法，其特征在于，上述步骤3)中所述的通过兴趣度创建词网有向边的方法，其步骤如下：

(1)对一篇文本中共同出现的词a和词b，用置信度Confidence来度量文本中词a出现后词b出现的可信程度，置信度计算公式如下：

Confidence(Ta,Tb)=P(Ta,Tb)P(Ta)=|{D|Ta∈D∩Tb∈D}||{D|Ta∈D}|]]>

其中，Ta和Tb表示词a和词b，P(Ta，Tb)表示词a和词b同时出现在领域文集D中的概率；P(Ta)表示词a出现在领域文集中的概率；

(2)用相似度cosine来度量词a与词b的相关程度，相似度计算公式如下：

cosine(Ta,Tb)==|{D|Ta∈D∩Tb∈D}||{D|Ta∈D}|·|{D|Tb∈D}|]]>

其中，Ta和Tb表示词a和词b，D表示领域文集；

(3)用兴趣度Interestingness综合衡量词a对词b的关联性，兴趣度计算公式如下：

Interestingness(Ta，Tb)＝Confidence(Ta，Tb)·cos ine(Ta，Tb)

(4)若词a和词b共同出现次数高于最小共现次数，并且词a对词b的兴趣度也高于最小兴趣度阈值，则建立词a对应节点到词b对应节点的一条有向边，用计算的兴趣度作为该边的权重。