[发明专利]一种面向农业舆情的热词自动提取方法及系统

权利要求书

1.面向农业舆情的热词自动提取方法，其特征在于，包括：

步骤1，利用多标记分类算法对实验文本语料进行分类，按分类类别构建各语料库；

步骤2，基于各语料库提取目标文本中的各至少两个候选热词；

步骤3，利用基础词频的方法计算各候选热词热度，热度最高的N个所述候选热词中的至少一个即为热词，N≥1；

所述步骤3进一步包括：

S31，获取所述各候选热词的基础词频权值和历史波动权值；

S32，基于所述基础词频权值和历史波动权值计算各候选热词的热度权值；

S33，得到热度权重值最高的N个所述候选热词中的至少一个即为热词，N≥1；

获取所述各候选热词的基础词频权值的计算公式如下：

B＝log(1+log(1+log(tf+1)))

其中，tf表示候选词的日统计词频，B表示所述基础词频权值；

获取所述各候选热词的历史波动权值的计算公式如下：

F＝V*0.4+L*0.4+S*0.2

其中，F表示所述历史波动权值，V表示所述基础词频权值的整体波动性，其计算公式如下：

L表示所述基础词频权值的长期变化，其计算公式如下：

S表示所述基础词频权值的短期变化，其计算公式如下：

其中，n表示实验数据周期，B_i表示基础词频。

2.如权利要求1所述的方法，其特征在于，所述步骤1进一步包括：

S11，构建农业分类关键词库，基于农业分类关键词库进行特征选择；

S12，利用考虑特征词的类别区分度进行各特征项的权重计算，对农业分类关键词库中不同类别中的同一样本进行特征项权重融合，构建文本特征向量；

S13，利用多标记分类算法对文本语料进行分类，得到每一个文本所属的类别，获得各语料库。

3.如权利要求1所述的方法，其特征在于，所述步骤2进一步包括：

S21，获取目标文本中，所述各语料库中存在的各分词的左信息熵H(lw)和右信息熵H(rw)；

S22，若所述H(lw)和H(rw)同时满足预设数值范围，则基于H(lw)和H(rw)获得相应分词的丰富程度R；

S23，选取R值最大的N个分词作为候选热词，所述N≥2。

4.如权利要求3所述的方法，其特征在于，所述步骤S22进一步包括：

预先设定阈值r₁和r₂，r₁＜r₂，如果r₁H(lw)r₂,且r₁H(rw)r₂,则采用如下公式计算该词搭配的丰富程度R：

R＝H(lw)*H(rw)。

5.如权利要求3所述的方法，其特征在于，所述步骤S22进一步包括：

预先设定阈值r₁和r₂，r₁＜r₂；针对相邻的两个词语w和w₁,如果H(lw)r₂，H(rw)r₁，且H(lw₁)r₁,H(rw₁)r₂,则将词语w和w₁合并成一个新词；将所述新词加入到该类别的热词候选词集中。