[发明专利]一种基于位置加权的关键词抽取方法

权利要求书

1.一种基于位置加权的关键词抽取方法，其特征在于，包括如下步骤：

预处理：对每个文档进行分段并依次对每个段落编号，然后对每个段落进行分句并依次对每个句子编号，记录各个句子的段落编号和句子编号；

分词：对所述每个句子进行分词；

停用词过滤：对分词后的虚词、无意义的字序列片段，以及只能反映句子语法结构的词语和标点符号进行过滤，然后对每个句子中过滤之后的词语依次进行编号并记录各个词语的词语编号；

位置统计：统计每个词语的段落序号、句子序号、词语序号；所述段落序号、句子序号、词语序号分别为段落编号、句子编号、词语编号；

权重计算：根据权重公式计算每个词语的权重；

候选关键词合并：对于相同的词语出现在文中的不同位置的权重进行合并，然后按照权重从大到小排序，输出预设数量的关键词。

2.根据权利要求1所述的基于位置加权的关键词抽取方法，其特征在于，所述权重公式为：

其中W为每个词语的权重，x₁、x₂、x₃分别为该词语的段落序号、句子序号、词语序号，

u₁、u₂、u₃分别为该词语所在文档段落的中位数、该词语所在段落的句子总数的中位数、该词语所在句子总数的中位数。

3.根据权利要求2所述的基于位置加权的关键词抽取方法，其特征在于，所述σ₁、σ₂、σ₃满足：σ₁≤σ₂≤σ₃。

4.根据权利要求2所述的基于位置加权的关键词抽取方法，其特征在于，所述σ₁、σ₂、σ₃满足：σ₁∶σ₂∶σ₃＝1∶(1-16)∶(1-100)。

5.根据权利要求4所述的基于位置加权的关键词抽取方法，其特征在于，所述σ₁、σ₂、σ₃满足：σ₁∶σ₂∶σ₃＝1∶3∶9。

6.根据权利要求2所述的基于位置加权的关键词抽取方法，其特征在于，所述σ∶、σ∶、σ∶分别为该词语所在文档的段落总数、句子总数、词语总数。

7.根据权利要求2所述的基于位置加权的关键词抽取方法，其特征在于，所述σ₁、σ₂、σ₃由经过语料训练的机器学习算法模型来确定。

8.根据权利要求2所述的基于位置加权的关键词抽取方法，其特征在于，所述机器学习算法模型为神经网络模型。

9.根据权利要求1或2任一所述的基于位置加权的关键词抽取方法，其特征在于，所述预设关键词的个数大于等于1。

10.根据权利要求9的关键词抽取方法，其特征在于，所述预设关键词的个数可自定义。