[发明专利]海量文本中旅游热点及其特征抽取方法及系统

权利要求书

1.一种海量文本中旅游热点及其特征抽取方法，其特征在于包括以下步骤：

A、文本预处理

从网络中抽取信息域相关的文档，并将这些文档内容进行预处理形成数据集；

B、热点话题词发现

通过给定的信息域内的专有词表，从所述数据集中挖掘出该信息域内的热点话题词集合；

C、热点话题特征抽取

基于热点话题词集合进行向量切分；分析候选特征词和热点话题词之间的依赖关系，得到热点话题词的局部特征。

2.根据权利要求1所述的海量文本中旅游热点及其特征抽取方法，其特征在于所述步骤C中利用热点话题词和热点话题词周边的标点符号对数据集进行切分，得到所有热点话题词的切分子项集。

3.根据权利要求2所述的海量文本中旅游热点及其特征抽取方法，其特征在于所述步骤C中运用最大置信度指标分析候选特征词和热点话题词之间的依赖关系。

4.根据权利要求3所述的海量文本中旅游热点及其特征抽取方法，其特征在于所述最大置信度阈值为0.6～0.95。

5.根据权利要求1所述的海量文本中旅游热点及其特征抽取方法，其特征在于所述步骤A采用爬虫技术从网络中抽取信息域相关的文档。

6.根据权利要求1所述的海量文本中旅游热点及其特征抽取方法，其特征在于所述步骤A中的预处理至少包括通过文本中的句号、问号和感叹号进行文本切分。

7.一种海量文本中旅游热点及其特征抽取系统，其特征在于包括：

文本预处理模块，其被配置成：从网络中抽取信息域相关的文档，并将这些文档内容进行预处理形成数据集；

热点话题词发现模块，其被配置成：通过给定的信息域内的专有词表，从所述数据集中挖掘出该信息域内的热点话题词集合；

热点话题特征抽取模块，其被配置成：基于热点话题词集合进行向量切分；分析候选特征词和热点话题词之间的依赖关系，得到热点话题词的局部特征。

8.根据权利要求7所述的海量文本中旅游热点及其特征抽取系统，其特征在于所述热点话题特征抽取模块具体被配置成：利用热点话题词和热点话题词周边的标点符号对数据集进行切分，得到所有热点话题词的切分子项集。

9.根据权利要求7所述的海量文本中旅游热点及其特征抽取系统，其特征在于所述热点话题特征抽取模块具体被配置成：运用最大置信度指标分析候选特征词和热点话题词之间的依赖关系。

10.根据权利要求7所述的海量文本中旅游热点及其特征抽取系统，其特征在于所述文本预处理模块具体被配置成：采用爬虫技术从网络中抽取信息域相关的文档，通过文本中的句号、问号和感叹号进行文本切分。