[发明专利]主题词的相关性处理方法及系统、主题词推荐方法及系统

权利要求书

1.一种网页主题词的相关性处理方法，其特征在于，包括：

从多个网页中提取多个主题词，并形成对象词库；

从多个网页中获取网页内容数据，并形成源数据库；

统计所述对象词库中的每个主题词在所述源数据库的网页中出现过的网页数；

统计所述对象词库中任意两个主题词在所述源数据库中同一网页上出现过的共现网页数；

按照与所述出现过的网页数成正比、与所述共现网页数成正比、与共现频率成正比、与所述出现过的网页数的差异成反比的规则，计算主题词与主题词之间的相关性数值；

其中，所述按照与所述出现过的网页数成正比、与所述共现网页数成正比、与共现频率成正比、与所述出现过的网页数的差异成反比的规则，计算主题词与主题词之间的相关性数值包括：

根据公式计算主题词与主题词之间的相关性数值，其中，a为所述对象词库的一个主题词，b为所述对象词库的另一个主题词，I(a,b)为主题词a与主题词b之间的相关性数值，A为主题词a与主题词b在所述源数据库中同一网页上出现过的共现网页数，B为主题词a在所述源数据库中的网页中出现过的网页数，C为主题词b在所述源数据库中的网页中出现过的网页数，为B和C中较小的数与较大的数的比值，也即是主题词a和主题词b在所述源数据库中出现过的网页数的差异越大，则越小。

2.如权利要求1所述的网页主题词的相关性处理方法，其特征在于，所述计算每两个主题词之间的相关性数值的步骤之前包括：对统计得到的所述出现过的网页数以及所述共现网页数中没有意义的数值进行过滤。

3.如权利要求2所述的网页主题词的相关性处理方法，其特征在于，所述对统计得到的所述出现过的网页数以及所述共现网页数中没有意义的数值进行过滤的步骤包括：将出现过的网页数少于预设阈值的主题词进行去除。

4.一种主题词推荐方法，其特征在于，包括：

从多个网页中提取多个主题词，并形成对象词库；

从多个网页中获取网页内容数据，并形成源数据库；

统计所述对象词库中的每个主题词在所述源数据库的网页中出现过的网页数；

统计所述对象词库中任意两个主题词在所述源数据库中同一网页上出现过的共现网页数；

按照与所述出现过的网页数成正比、与所述共现网页数成正比、与共现频率成正比、与所述出现过的网页数的差异成反比的规则，计算主题词与主题词之间的相关性数值；

将用户输入的主题词与所述对象词库中的其它主题词按照相关性数值进行排序；

将与所述用户输入的主题词最相关的预设数量个主题词作为推荐词返回给用户；

其中，所述按照与所述出现过的网页数成正比、与所述共现网页数成正比、与共现频率成正比、与所述出现过的网页数的差异成反比的规则，计算主题词与主题词之间的相关性数值包括：

根据公式计算主题词与主题词之间的相关性数值，其中，a为所述对象词库的一个主题词，b为所述对象词库的另一个主题词，I(a,b)为主题词a与主题词b之间的相关性数值，A为主题词a与主题词b在所述源数据库中同一网页上出现过的共现网页数，B为主题词a在所述源数据库中的网页中出现过的网页数，C为主题词b在所述源数据库中的网页中出现过的网页数，为B和C中较小的数与较大的数的比值，也即是主题词a和主题词b在所述源数据库中出现过的网页数的差异越大，则越小。

5.如权利要求4所述的主题词推荐方法，其特征在于，所述计算每两个主题词之间的相关性数值的步骤之前包括：对统计得到的所述出现过的网页数以及所述共现网页数中没有意义的数值进行过滤。

6.如权利要求5所述的主题词推荐方法，其特征在于，所述对统计得到的所述出现过的网页数以及所述共现网页数中没有意义的数值进行过滤的步骤包括：将出现过的网页数少于预设阈值的主题词进行去除。