[发明专利]一种关键词提取方法、终端、计算机可读存储介质

说明书

本申请实施例公开了一种关键词提取方法、终端、计算机可读存储介质，其中方法包括：输入专利文本；根据第一预设模型对所述专利文本进行关键词抽取处理，得到关键词候选集；根据第二预设模型对所述专利文本进行专利要素抽取处理，得到所述专利文本的专利要素集；将所述关键词候选集与所述专利要素集进行权重值计算，根据权重值计算结果确定出所述专利文本的关键词集合。通过上述方法可以提高专利文本领域中关键词提取结果的准确性。

技术领域

本申请涉及计算机技术领域，尤其涉及一种关键词提取方法、终端、计算机可读存储介质。

背景技术

近年来，我国的专利数量不断增加，截止2018年底，不计港澳台发明专利数量，我国发明专利拥有量共计160.2万件，每万人口发明专利拥有量达到11.5件，可见，专利正在逐步成为国家和企业发展的战略性资源以及核心竞争力。专利文本呈现海量的特征，无论是在进行专利侵权诉讼，还是进行专利申请，专利数据挖掘等，对专利文本进行有效的分析处理已显得越来越重要。

专利作为一种特殊的文本形式，相较于其他文本具有技术性强、专业性高、数据结构复杂等特点，而且大部分专利的篇幅很长，专利关键词作为对文本内容的高度概括和归纳的短语，不仅可以帮助人们快速定位到专利文本以及了解一篇专利文本的主要内容，还可以对专利申请、专利侵权判断、专利权认定、专利聚类等进行引导和启发。考虑到专利关键词的重要性，专利文本的自动关键词抽取受到了很大的关注，如何提高专利文本关键词抽取的准确率成为了一个热门的研究方向。

发明内容

本发明实施例提供一种关键词提取方法、终端及计算机可存储介质，可提高专利文本领域中关键词提取结果的准确性。

第一方面，本发明实施例提供了一种关键词提取方法，该方法包括：

输入专利文本；

根据第一预设模型对所述专利文本进行关键词抽取处理，得到关键词候选集；

根据第二预设模型对所述专利文本进行专利要素抽取处理，得到所述专利文本的专利要素集；

将所述关键词候选集与所述专利要素集进行权重值计算，根据权重值计算结果确定出所述专利文本的关键词集合。

在一些可行的实施方式中，所述根据第二预设模型对所述专利文本进行专利要素抽取处理，得到所述专利文本的专利要素集之前，还包括：

定义所述专利文本的标签词以及所述标签词的抽取位置对应关系，所述标签词用于表征专利信息，所述标签词的抽取位置对应关系表示所述标签词所指向的词语抽取位置；

所述根据第二预设模型对所述专利文本进行专利要素抽取处理，得到所述专利文本的专利要素集，包括：

根据所述标签词以及所述标签词的抽取位置对应关系，利用第二预设模型抽取所述标签词所对应的抽取位置上的词语，所述抽取位置包括前向位置和/或后向位置；

将抽取到的词语作为所述专利文本的专利要素集。

在一些可行的实施方式中，所述第一预设模型为主题模型；所述根据第一预设模型对所述专利文本进行关键词抽取处理，得到关键词候选集，包括：

将所述专利文本进行文本预处理专利文本进行文本预处理专利文本进行文本预处理专利文本进行文本预处理专利文本进行文本预处理专利文本进行文本预处理，以建立半结构化词语集合，所述半结构化词语集合包括预设词性的词语；

通过所述主题模型抽取所述专利文本中的主题词集合，所述主题词集合包括至少一个主题词；

确定所述半结构化词语集合中每个词语的主题分布，所述主题分布是指给定词语W的条件下，所述词语W被分布到主题Z的概率；

根据所述每个词语的主题分布计算词语的信息熵，根据所述信息熵计算每个词语的权重值；