[发明专利]关键词提取方法及装置

权利要求书

1.一种关键词提取方法，其特征在于，包括：

获取目标文档中各个词语分别对应的词向量；

基于密度的方法对向量化的词语进行初始聚类中心的选择；

以所述初始聚类中心为初始中心点，基于距离的聚类算法K-means对向量化的词语进行聚类得到聚簇；

设置所述词语距所述初始中心点的距离对应的权重系数、所述词语的ATF*PDF值对应的权重系数；

将所述词语距所述初始中心点的距离及其权重系数的乘积与所述词语的ATF*PDF值及其权重系数的乘积相加，确定聚簇中各个词语的权重值；

将各个聚簇内权重值最高的词语确定为所述目标文档的关键词。

2.根据权利要求1所述的方法，其特征在于，所述将各个聚簇内权重值最高的词语确定为所述目标文档的关键词包括：

根据聚簇内包含的词语个数和/或聚簇中心的语义偏移量计算各个聚簇的重要性；所述聚簇中心的语义偏移量为迭代终止时聚簇的中心点与聚簇的初始中心点的差值的绝对值；

依据所述重要性对聚簇进行排序；

从重要性排名符合预置条件的聚簇中提取权重值最高的词语；

将所述提取的词语作为所述目标文档的关键词。

3.根据权利要求2所述方法，其特征在于，所述根据聚簇内包含的词语个数和聚簇中心的语义偏移量计算各个聚簇的重要性包括：

设置所述聚簇内包含的词语个数对应的权重系数、所述聚簇中心的语义偏移量对应的权重系数；

将所述聚簇内包含的词语个数及其权重系数的乘积与所述聚簇中心的语义偏移量及其权重系数的乘积相加，确定各个聚簇的重要性。

4.一种关键词提取装置，其特征在于，包括：

获取单元，用于获取目标文档中各个词语分别对应的词向量；

聚类单元，包括：选择模块和聚类模块，所述选择模块，用于基于密度的方法对向量化的词语进行初始聚类中心的选择；聚类模块，用于以所述初始聚类中心为初始中心点，基于距离的聚类算法K-means对向量化的词语进行聚类得到聚簇；

计算单元，包括：设置模块和计算模块，所述设置模块，用于设置所述词语距所述初始中心点的距离对应的权重系数、所述词语的ATF*PDF值对应的权重系数；所述计算模块，用于将所述词语距所述初始中心点的距离及其权重系数的乘积与所述词语的ATF*PDF值及其权重系数的乘积相加，确定聚簇中各个词语的权重值；

确定单元，用于将各个聚簇内权重值最高的词语确定为所述目标文档的关键词。

5.根据权利要求4所述的装置，其特征在于，所述确定单元包括：

计算模块，用于根据聚簇内包含的词语个数和/或聚簇中心的语义偏移量计算各个聚簇的重要性；所述聚簇中心的语义偏移量为迭代终止时聚簇的中心点与聚簇的初始中心点的差值的绝对值；

排序模块，用于依据所述重要性对聚簇进行排序；

提取模块，用于从重要性排名符合预置条件的聚簇中提取权重值最高10的词语；

确定模块，用于将所述提取的词语作为所述目标文档的关键词。

6.根据权利要求5所述的装置，其特征在于，所述计算模块包括：

设置子模块，用于设置所述聚簇内包含的词语个数对应的权重系数、所述聚簇中心的语义偏移量对应的权重系数；

确定子模块，用于将所述聚簇内包含的词语个数及其权重系数的乘积与所述聚簇中心的语义偏移量及其权重系数的乘积相加，确定各个聚簇的重要性。