[发明专利]提取文本关键词的方法、装置、设备及存储介质

说明书

本发明公开了一种提取文本关键词的方法，包括：对待匹配的至少两个文本分别进行分词处理，得到相应于每个文本的至少一个分词；根据预设的赋值规则，计算所述每个文本中每个分词的词频分值、词性分值及位置分值；根据所述每个分词的所述词频分值、所述词性分值和所述位置分值，计算所述每个文本中的每个分词的综合权值；根据所述每个分词的综合权值，计算所述每个文本中的每个分词的权重；根据所述每个文本中的每个分词的权重，提取所述每个文本的关键词。本发明还公开了一种提取文本关键词的装置、设备及存储介质，可以解决文档关键词提取不精准的问题，使得在度量不同文档之间的相似度时更加准确。

技术领域

本发明涉及计算机技术领域，尤其涉及一种提取文本关键词的方法、装置、设备及存储介质。

背景技术

随着科学技术的发展和社会法律的健全，目前一定规模的工程项目都需要通过招标的方法选择合适的公司或单位，而参与投标的公司或单位则需要做好投标工作来提高竞争力。因此，投标文档匹配度的研究已经成为了当前投标中介增值业务的重要方向，而文档匹配度研究的前提是文档关键词的提取，提取关键词是自然语言领域的重要领域之一。

然而，发明人在实施本发明的过程中发现，现有技术中，在度量不同文档之间的相似度时，通常采用TFI-DF算法来提取关键词，而由于TFI-DF算法过度关注词语的出现次数和频率，没有客观地分配每个词语的权重，不符合真实的情况，从而导致关键词提取不精准，降低了度量得到的不同文档之间的相似度的准确性。

发明内容

针对上述问题，本发明的目的在于提供一种提取文本关键词的方法、装置、设备及存储介质，可以解决文档关键词提取不精准的问题，使得在度量不同文档之间的相似度时更加准确。

第一方面，本发明实施例提供了一种提取文本关键词的方法，包括以下步骤：

对待匹配的至少两个文本分别进行分词处理，得到相应于每个文本的至少一个分词；

根据预设的赋值规则，计算所述每个文本中每个分词的词频分值、词性分值及位置分值；

根据所述每个分词的所述词频分值、所述词性分值和所述位置分值，计算所述每个文本中的每个分词的综合权值；

根据所述每个分词的综合权值，计算所述每个文本中的每个分词的权重；

根据所述每个文本中的每个分词的权重，提取所述每个文本的关键词，使得根据不同文本的关键词和所述关键词的权重计算不同文本之间的相似度。

在第一方面的第一种实现方式中，所述对待匹配的至少两个文本分别进行分词，得到相应于每个文本的至少一个分词，具体为：

利用分词工具对待匹配的至少两个文本分别进行分词处理，生成相应于每个文本的分词结果；

构建停用词库对每个所述分词结果进行过滤，得到相应于每个文本的至少一个分词。

在第一方面的第二种实现方式中，所述根据所述每个分词的所述词频分值、所述词性分值和所述位置分值，计算所述每个文本中的每个分词的综合权值，具体为：

根据所述每个文本的所述每个分词的所述词频分值、所述词性分值和所述位置分值，生成相应于每个文本的词语矩阵；

根据所述词语矩阵，计算所述每个文本中的每个分词的综合权值。

根据第一方面的第二种实现方式，在第一方面的第三种实现方式中，所述根据所述词语矩阵，计算所述每个文本中的每个分词的综合权值，具体为：

对于每一个文本：

计算所述词语矩阵中每个分词的每个特征向量的熵权；

根据所述每个分词的每个特征向量的熵权以及与所述每个特征向量对应的分值，计算所述每个分词的综合权值。