[发明专利]关键词提取方法及装置

说明书

本发明实施例提供一种关键词提取方法及装置，一个实施例的方法包括：获取待处理文本的各待判断词；确定各待判断词分别对应的前文词，前文词为待处理文本中出现在待判断词的上文中的词；根据各待判断词、各待判断词分别对应的前文词在待处理文本中出现的顺序，确定各待判断词的词序列；分别将各待判断词的词序列输入到经过训练的循环神经网络模型中，得到各待判断词是待处理文本的关键词的概率；根据各待判断词是待处理文本的关键词的概率及预设阈值，确定待处理文本的关键词。该关键词提取方法及装置，能够充分考虑上文信息，得到更为准确的待判断词是待处理文本的关键词的概率，从而提高了提取的关键词的准确性。

技术领域

本发明涉及信息技术领域，特别是涉及一种关键词提取方法及装置。

背景技术

信息的表达方式随着信息时代的发展而日益多样，其中利用文本来表达信息的方式又是不可替代的。随着网络的发展，线上文本信息的数量呈爆炸式增长，手工获取所需文本信息的难度日益增大，因此，如何高效地获取信息成为一个十分重要的课题。

为了能够有效地处理海量的文本数据，研究人员在文本分类、文本聚类、自动文摘和信息检索等方向进行了大量的研究，而这些研究都涉及到一个关键而又基础的问题，即如何获取文本中的关键词。

传统的关键词提取方法采用基于特征选择的机器学习算法，需要人工根据数据的特点来抽取有效的特征。由于人工参与的方式包含较大的主观思想，难以保证关键词的准确性。

发明内容

基于此，有必要针对关键词准确率难以保证的问题，提供一种提高关键词准确率的关键词提取方法及装置。

一种关键词提取方法，包括：

获取待处理文本的各待判断词；

确定各所述待判断词分别对应的前文词，所述前文词为所述待处理文本中出现在所述待判断词的上文中的词；

根据各所述待判断词、各所述待判断词分别对应的前文词在所述待处理文本中出现的顺序，确定各所述待判断词的词序列；

分别将各所述待判断词的所述词序列输入到经过训练的循环神经网络模型中，得到各所述待判断词是所述待处理文本的关键词的概率；

根据各所述待判断词是所述待处理文本的关键词的概率及预设阈值，确定所述待处理文本的关键词。

一种关键词提取装置，包括：

待判词获取模块，用于获取待处理文本的各待判断词；

前文词确定模块，用于确定各所述待判断词分别对应的前文词，所述前文词为所述待处理文本中出现在所述待判断词的上文中的词；

词序列确定模块，用于根据各所述待判断词、各所述待判断词分别对应的前文词在所述待处理文本中出现的顺序确定词序列；

概率确定模块，用于分别将各所述待判断词的所述词序列输入到经过训练的循环神经网络模型中，得到各所述待判断词是所述待处理文本的关键词的概率；

关键词确定模块，用于根据各所述待判断词是所述待处理文本的关键词的概率及预设阈值，确定所述待处理文本的关键词。

上述关键词提取方法及装置，无需人工根据数据的特点抽取有效的特征，是通过将词序列输入到经过训练的循环神经网络模型中以获得对应的待判断词是关键词的概率，且输入到经过训练的循环神经网络模型中的词序列是由待判断词及待判断词的前文词确定的，因此，能够充分考虑上文信息，得到更为准确的待判断词是待处理文本的关键词的概率，从而提高了提取的关键词的准确性。

附图说明

图1为一个实施例的关键词提取方法和装置的应用环境示意图；

图2为一个实施例的服务器的内部结构示意图；