[发明专利]基于关键词抽取的多文本对照方法

摘要

本发明公开一种基于关键词抽取的多文本对照方法。该多文本对照方法包括步骤：A、把自然语言中的每一句话当作是一个隐马尔科夫链，求出词性标注和分词；B、在隐马尔科夫链模型中加入自定义词库，把自定义词库中的词设置为强相关，在标记词性序列的时候，优先将自定义词库中的词结合为一个词；C、根据给定的词性列表对分词结果进行过滤，去掉停用词；D、根据最终的词性标注和分词进行多文本对照。本发明不仅完成了单文本的关键词提取，且为多文本的快速对比对照提供了一种可行的方案。对于主题类似、不同侧重点的文本，本发明可以识别出它们共同探讨的主题以及每篇文本的侧重点。

主权项

一种基于关键词抽取的多文本对照方法，包括步骤：A、把自然语言中的每一句话当作是一个隐马尔科夫链，求出词性标注和分词；B、在隐马尔科夫链模型中，依用户需要定制并加入自定义词库，通过把自定义词库中的词设置为强相关，在标记词性序列的时候，优先将自定义词库中的词结合为一个词；C、根据给定的词性列表对分词结果进行过滤，去掉停用词；D、根据最终的词性标注和分词进行多文本对照；所述步骤D包括：D1、将每个文本设为一组，以组为单位统计对应文本的关键词的词频和权重；将同时出现在两组或两组以上文本的关键词列入中间组；D2、采用去重计算减少每组的重复词汇；D3、采用保中运算，强制降低中间组中的关键词在其他组出现的频率；所述步骤D3中，保中运算是根据“关键词A在组1～N中的最终频率＝关键词A在组1中的原始频率‑关键词A在中间组的频率”计算规则，强制降低关键词A在组1～N任意一组出现的频率，从而保持关键词A在中间组中显示的优势地位；所述N为大于1的自然数。