[发明专利]一种基于图的关键词抽取方法有效
| 申请号： | 201610530337.2 | 申请日： | 2016-07-06 |
| 公开（公告）号： | CN106202042B | 公开（公告）日： | 2019-07-02 |
| 发明（设计）人： | 王志娟;冯迎辉 | 申请（专利权）人： | 中央民族大学 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06F16/35 |
| 代理公司： | 北京亿腾知识产权代理事务所(普通合伙) 11309 | 代理人： | 陈霁 |
| 地址： | 100081 北京市海淀区中*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于图的关键词抽取方法，该方法包括以下步骤：对文本信息进行预处理，预处理包括分词处理、词性标注处理和命名实体识别处理；计算节点特征，以及计算词汇的统计关系和词汇的语义关系；根据节点特征计算节点权重，以及根据词汇的统计关系和词汇的语义关系计算边权重；根据节点权重和边权重计算候选词的分值；根据候选词的分值排序结果以及文本大小信息确定该文本的关键词。本发明提出的一种基于图的关键词抽取方法不需要标注语料，而且可以通过对TextRank算法基于候选词特征增加节点权重、基于词汇语义关系改进边权重可以以较低成本提高关键词抽取的准确率。 | ||
| 搜索关键词： | 一种 基于 关键词 抽取 方法 | ||
【主权项】：
1.一种基于图的关键词抽取方法，其特征在于，包括以下步骤：对文本信息进行预处理，所述预处理包括分词处理、词性标注处理和命名实体识别处理；计算节点特征，以及计算词汇的统计关系和词汇的语义关系；所述节点特征包括：节点的统计特征、位置特性、词性特征和实体特征；所述实体特征包括实体类型特征和命名实体链接特征；根据所述节点特征计算节点权重，以及根据所述词汇的统计关系和词汇的语义关系计算边权重；其中，通过公式(11)计算节点权重：![]()
其中：Featurek(Vi)为被打分词Vi的第k个特征，αk为第k个特征的权重，即不同的特征对被打分词的分值计算的贡献是不同的，Featurek(Vi)∈[0，1.1]；通过公式(8)计算词汇统计关系STJ(Vi，Vj)：![]()
其中，k为词Vi和Vj共现的窗口个数，L为窗口大小；根据所述节点权重和所述边权重计算候选词的分值；通过公式(13)计算候选词的分值：Score(Vi)＝(1‑d)*Node(Vi)+d*Node(Vi)*Edge(STJ(Vi，Vj)，SYY(Vi，Vj))*Score(Vj) (13)其中，Node(Vi)是被打分词的节点权重，Edge(STJ(Vi，Vj)，SYY(Vi，Vj))是被打分词和被打分词之间的边权重，它由两部分构成：STJ(Vi，Vj)是Vi与相邻词Vj在窗口L中的统计关系，SYY(Vi，Vj)是Vi与Vj的语义关系；根据候选词的分值排序结果以及文本大小信息确定该文本的关键词。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中央民族大学，未经中央民族大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610530337.2/，转载请声明来源钻瓜专利网。
