[发明专利]短文本关键词提取方法及装置

权利要求书

1.一种短文本关键词提取方法，其特征在于，包括：

将待提取关键词文本和与其来源相关的文本进行拼接，得到长文本；

利用设定主题模型对所述长文本进行主题分类，得到主题分类数据；

基于所述主题分类数据计算考虑类别统计信息的单词重要性得分，得到所述待提取关键词文本的关键词。

2.如权利要求1所述的短文本关键词提取方法，其特征在于，将待提取关键词文本和与其来源相关的文本进行拼接，得到长文本，包括：

将待提取关键词文本和其所来源的初始文本进行拼接，得到拼接后的文本；其中，所述的与其来源相关的文本包括所述的其所来源的初始文本；

将多个拼接后的文本按设定属性进行聚合，得到长文本。

3.如权利要求2所述的短文本关键词提取方法，其特征在于，所述设定属性为作者信息。

4.如权利要求1所述的短文本关键词提取方法，其特征在于，所述设定主题模型为LDA主题模型。

5.如权利要求1或4所述的短文本关键词提取方法，其特征在于，基于所述主题分类数据计算考虑类别统计信息的单词重要性得分，得到所述待提取关键词文本的关键词之前，还包括：

确定所述设定主题模型的最优主题个数，以得到对应所述最优主题个数的所述主题分类数据。

6.如权利要求5所述的短文本关键词提取方法，其特征在于，确定所述设定主题模型的最优主题个数，以得到对应所述最优主题个数的所述主题分类数据，包括：

利用perplexity方法确定所述设定主题模型的最优主题个数，以得到对应所述最优主题个数的所述主题分类数据。

7.如权利要求1至4任一项所述的短文本关键词提取方法，其特征在于，基于所述主题分类数据计算考虑类别统计信息的单词重要性得分，得到所述待提取关键词文本的关键词，包括：

基于所述主题分类数据利用基于TFIDF改进的CTD算法计算单词重要性得分，得到所述待提取关键词文本的关键词。

8.如权利要求7所述的短文本关键词提取方法，其特征在于，基于TFIDF改进的CTD算法包含：单词在一类别中出现的次数、该单词对应该类别的逆文档频率、及该单词对应该类别的逆类别频率。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。