[发明专利]关键词的提取方法及装置

说明书

本发明提供了一种关键词的提取方法及装置。具体而言，该方法包括：对输入的文本进行文本结构分析，以确定所述文本中各个内容类型对应的第一权重值；对所述文本中的各个词语进行语义分析，以确定各个词语对应的第二权重值；根据所述第一权重值和所述第二权重值对各个所述词语的词语频率TF值进行调整，并通过调整后的所述TF值计算各个所述词语的第三加权值；根据所述第三加权值，提取所述词语中指定词语作为用于进行检索的关键词。通过本发明，解决了TF‑IDF计算依赖于多个内容相关的文档，无法计算单一文本的词权重，而且TF‑IDF方法对于关联度较低的离散型数据表现较差的问题，达到了提高对关键词信息进行提取的精准度效果。

技术领域

本发明涉及通信领域，具体而言，涉及一种关键词的提取方法及装置。

背景技术

目前最常见的检索系统，都是基于关键词实现的，而关键词的抽取，几乎都采用词频(term frequency，TF)和反文档频率(inverse document frequency,IDF)的计算方法。但是，TF-IDF计算依赖于多个内容相关的文档，无法计算单一文本的词权重，而且TF-IDF方法对于关联度较低的离散型数据表现较差。

发明内容

本发明实施例提供了一种关键词的提取方法及装置，以至少解决相关技术中TF-IDF计算依赖于多个内容相关的文档，无法计算单一文本的词权重，而且TF-IDF方法对于关联度较低的离散型数据表现较差的问题。

根据本发明的一个实施例，提供了一种关键词的提取方法，包括：对输入的文本进行文本结构分析，以确定所述文本中各个内容类型对应的第一权重值；对所述文本中的各个词语进行语义分析，以确定各个词语对应的第二权重值；根据所述第一权重值和所述第二权重值对各个所述词语的词语频率TF值进行调整，并通过调整后的所述TF值计算各个所述词语的第三加权值；根据所述第三加权值，提取所述词语中指定词语作为用于进行检索的关键词。

可选地，在对所述文本中的词语进行语义分析之前，所述方法还包括：按照预设规则对所述文本进行分词处理，以及，根据分词后的所述各个所述词语之间的关联性确定各个所述词语的词性。

可选地，对所述文本中的各个词语进行语义分析，以确定指定词语对应的第二权重值，包括：按照预设的词性优先级规则对各个所述词语进行排序；按照所述词性优先级的顺序对各个所述词语赋予对应的所述第二权重值。

可选地，根据所述第一权重值和所述第二权重值对各个所述词语的词语频率TF值进行调整，还包括：获取各个所述词语的所述TF值；将所述TF值与所述第一权重值和所述第二权重值相乘，以确定调整后的所述TF值。

可选地，通过调整后的所述TF值计算各个所述词语的第三加权值，包括：获取各个所述词语的IDF值；根据调整后的各个所述词语的TF值以及所述各个所述词语的IDF值确定所述第三权重值。

可选地，根据所述第三加权值，提取所述词语中指定词语作为用于进行检索的关键词，所述方法还包括：去除所述词语中所述第三权重值小于预设权重阈值的词语作为所述指定词语。

可选地，所述内容类型至少包括以下其中之一：所述文本中按照预设文本格式划分的文本内容类型，所述文本中段落的位置类型，所述文本中语句的位置类型。

根据本发明的另一个实施例，提供了一种关键词的提取装置，包括：第一确定模块，用于对输入的文本进行文本结构分析，以确定所述文本中各个内容类型对应的第一权重值；第二确定模块，用于对所述文本中的各个词语进行语义分析，以确定各个词语对应的第二权重值；调整模块，用于根据所述第一权重值和所述第二权重值对各个所述词语的词语频率TF值进行调整，并通过调整后的所述TF值计算各个所述词语的第三加权值；提取模块，用于根据所述第三加权值，提取所述词语中指定词语作为用于进行检索的关键词。