[发明专利]一种基于主题词向量和网络结构的主题关键词提取方法

摘要

本发明公开了一种基于主题词向量和网络结构的主题关键词提取方法，具体涉及从文本中提取关键词技术领域。该基于主题词向量和网络结构的主题关键词提取方法基于LDA主题模型对文本语料进行主题聚类，并获得每个主题中与该主题相关度为top100的100个关键词；利用word2vec将文本语料中的每个词表示为一个词向量，通过计算获得每两个词之间的语义相似度，分别计算出与关键词中的每个关键词在语义上相似度top5的词，关键词和每个关键词在语义上相似度top5的词共同组成新的关键词集合；构建关键词网络，并获得每个集合top 20的词作为该主题的关键词。该方法既能对文档中词频较高的关键词进行提取，又可以有效地发现词频较低但是与主题关系强的关键词。

主权项

1.一种基于主题词向量和网络结构的主题关键词提取方法，其特征在于，具体包括：对原始的文本语料进行分词；基于LDA主题模型对文本语料进行主题聚类，并获得每个主题中与该主题相关度为top100的关键词集合KeywordsSet1＝{k1，...，k100}；利用word2vec将文本语料中的每个词表示为一个词向量，通过计算词向量之间的余弦值获得每两个词之间的语义相似度；分别计算出与关键词集合KeywordsSet1中的每个关键词在语义上相似度top5的词，关键词集合KeywordsSet1中的词及其在语义上相似度top5的词共同组成新的关键词集合KeywordsSet2；以关键词集合KeywordsSet2中的每个关键词为节点，词与词之间的语义相似度的倒数为边的权重，构建关键词网络，并根据每个节点的PageRank值获得关键词集合KeywordsSet2中top20的词作为该主题的关键词，构成最终的关键词集合KeywordsSetfinal。