[发明专利]基于核心语句的网页内容关键词快速提取方法

摘要

本发明涉及关键词语检索技术，其公开了一种基于核心语句的网页内容关键词快速提取方法，解决传统技术中网页内容关键词提取复杂、效率低的问题。其技术方案的要点可概括为：通过先对标题进行分词，再对获取到的词组在正文中查询定位，得到词组所在语句，最后再对语句进行分词以获得词组并在词组中提取关键词的方式，不需要对正文部分进行全部分词处理，减少了处理过程，大大提高关键词提取效率；并通过采取对语句排序修正和对字符长度精简的措施，保证语句集中的语句为网页内容中的核心语句，有效地提高关键词提取的精度。本发明适用于对网页内容进行关键词提取。

主权项

基于核心语句的网页内容关键词快速提取方法，其特征在于，包括以下步骤：a.获取网页信息内容的标题和正文；b.对标题进行分词，获取分词后的各个词组并构建包含这些词组的词组集；d.对词组集中的词组在正文中进行查询定位，提取各个词组所在的语句，并构建包含这些语句的语句集；e.判断语句集中的所有语句的总字符长度是否超过预先设定的字符长度阈值，如果超过，则执行步骤f，如果未超过，则执行步骤g；f.删除语句集中的部分语句，直至剩余所有语句的总字符长度不超过预先设定的字符长度阈值；g.对语句集中的语句进行分词，获取分词后的各个词组，并从中提取关键词。