[发明专利]识别技术文件中关键词的方法及系统

摘要

本发明提供一种识别技术文件中关键词的方法，包括对技术文件中不同长度的词汇进行识别，以生成多个不同长度词汇的哈希表；对每个哈希表进行排序，并提取哈希表中的元素，以生成高频词汇列表；去除高频词汇列表中的不完整词汇后，以得到关键词汇列表。实施上述方法的系统，包括词汇预处理装置、哈希表处理装置与不完整词汇去除装置，词汇预处理装置用于对技术文件中不同长度的词汇进行识别，以生成多个不同长度词汇的哈希表；哈希表处理装置用于对每个哈希表进行排序，并提取哈希表中元素，生成高频词汇列表；不完整词汇去除装置用于去除列表中的不完整词汇，得到关键词汇列表。本发明可辅助审查人员快速获取技术文件中的关键信息。

主权项

一种识别技术文件中关键词的方法，包括以下步骤：S100、对技术文件中不同长度的词汇进行扫描与识别，以生成多个不同长度词汇的哈希表；S200、对每个哈希表进行排序，并提取哈希表中的元素，以生成高频词汇列表；S300、去除高频词汇列表中的不完整词汇后，以得到关键词汇列表；步骤S100中的具体操作如下：S101、将技术文件中的文本信息分割为多个段落；S102、以标点符号信息为分割符，将某个段落分割为多个句子；S103、对某个段落中的句子进行处理，包括：S1031、获取某一句子；S1032、将设定的n长度词汇与句子的有效长度进行比较，若n长度词汇大于句子的有效长度，则跳转执行S104，否则执行步骤S1033；S1033、判断句子中的首字符的类型，若句子的首字符类型为空白符或数字信息，则跳转执行S1036，否则执行步骤S1034；S1034、取句子的前m个有效字符作为词汇，其中，前m个有效字符为非空白符；S1035、将步骤S1034中所述词汇以及在文档中出现的次数加入哈希表中；S1036、删除句子的首字符，并返回至步骤S1033；S104、判断段落中是否还有未经过处理的句子，若结果为是，则返回至S1031，若结果为否，则执行步骤S105；S105、判断是否还有未经过处理的段落，若结果为是，则返回至S102，若结果为否，则表明已获得n长度词汇的哈希表，操作结束。