[发明专利]一种融合文本结构信息和语义信息的文本关键词抽取方法在审
申请号: | 202110815799.X | 申请日: | 2021-07-19 |
公开(公告)号: | CN113642325A | 公开(公告)日: | 2021-11-12 |
发明(设计)人: | 陈雪;王小飞;王鹏 | 申请(专利权)人: | 上海大学 |
主分类号: | G06F40/289 | 分类号: | G06F40/289;G06F40/268;G06F40/253;G06F40/30;G06F40/137 |
代理公司: | 上海上大专利事务所(普通合伙) 31205 | 代理人: | 何文欣 |
地址: | 200444*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 融合 文本 结构 信息 语义 关键词 抽取 方法 | ||
1.一种融合文本结构信息和语义信息的文本关键词抽取方法,其特征在于,具体步骤如下:
1)对单篇文本的段落进行重新组合,构成新文本;
2)对新文本进行预处理,包括分词、词性标注和去除停用词,保留名词和动词作为候选关键词;
3)计算每个候选关键词的结构权重;
4)计算每个候选关键词的语义权重;
5)根据步骤3)所得的结构权重和步骤4)所得的语义权重,计算每个候选关键词的权重,并选择权重最高的K个候选关键词作为文本的关键词。
2.根据权利要求1所述的融合文本结构信息和语义信息的文本关键词抽取方法,其特征在于,所述步骤1)中对文本的段落进行重新组合的方法如下:原文本的题目作为新文本的第一段;原文本首尾两段分别作为新文本的第二段和第三段;原文本的其他段按照原顺序排列在后面,新文本共计n段。
3.根据权利要求1所述的融合文本结构信息和语义信息的文本关键词抽取方法,其特征在于,所述步骤3)中计算每个候选关键词的结构权重;对于一个候选关键词vi,其结构权重str(vi,k)计算公式如下:
其中,i≤m,m为该文本中候选关键词的个数;k表示文本的第k段(k=1…n),freq(vi,k)表示候选关键词vi在第k段的词频。
4.根据权利要求1所述的融合文本结构信息和语义信息的文本关键词抽取方法,其特征在于,所述步骤4)中计算每个候选关键词的语义权重;对于一个候选关键词vi,其语义权重sem(vi,k)表示在第k段中,候选关键词vi与其他候选关键词vj共现的次数,其中i≤m,j≤m。
5.根据权利要求1所述的融合文本结构信息和语义信息的文本关键词抽取方法,其特征在于,所述步骤5),计算每个候选关键词的权重;对于一个候选关键词vi,其权重计算公式如下:
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上海大学,未经上海大学许可,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/pat/books/202110815799.X/1.html,转载请声明来源钻瓜专利网。
- 信息记录介质、信息记录方法、信息记录设备、信息再现方法和信息再现设备
- 信息记录装置、信息记录方法、信息记录介质、信息复制装置和信息复制方法
- 信息记录装置、信息再现装置、信息记录方法、信息再现方法、信息记录程序、信息再现程序、以及信息记录介质
- 信息记录装置、信息再现装置、信息记录方法、信息再现方法、信息记录程序、信息再现程序、以及信息记录介质
- 信息记录设备、信息重放设备、信息记录方法、信息重放方法、以及信息记录介质
- 信息存储介质、信息记录方法、信息重放方法、信息记录设备、以及信息重放设备
- 信息存储介质、信息记录方法、信息回放方法、信息记录设备和信息回放设备
- 信息记录介质、信息记录方法、信息记录装置、信息再现方法和信息再现装置
- 信息终端,信息终端的信息呈现方法和信息呈现程序
- 信息创建、信息发送方法及信息创建、信息发送装置