[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

权利要求书

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v_i，其结构权重str(v_i,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(v_i,k)表示候选关键词v_i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v_i，其语义权重sem(v_i,k)表示在第k段中，候选关键词v_i与其他候选关键词v_j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v_i，其权重计算公式如下：