[发明专利]文本关键词生成方法及装置和电子设备及可读存储介质

权利要求书

1.一种文本关键词生成方法，其特征在于，包括：

获取待检测文本，对所述待检测文本中的每一个字符进行向量表示，得到所述待检测文本的字符矩阵；

将所述待检测文本的字符矩阵输入预先建立的关键词模型，得到所述待检测文本的字符矩阵对应的关键词矩阵；

计算所述关键词矩阵中的每一个字符向量和向量模型中的字符向量的相似度，根据所述相似度获取所述待检测文本的关键词，其中，所述向量模型包括：字符和所述字符对应的字符向量。

2.根据权利要求1所述的文本关键词生成方法，其特征在于，在所述获取待检测文本之前，所述方法还包括：

构建训练数据；

对所述训练数据中每一个样本文本中的每一个字符进行向量表示，得到所述每一个样本文本的字符矩阵；

对所述训练数据中每一个样本文本对应的关键词中的每一个字符进行向量表示，得到所述每一个样本文本的关键词矩阵；

根据所述每一个样本文本的字符矩阵和所述每一个样本文本的关键词矩阵的对应关系，通过长短期记忆LSTM神经网络对所述训练数据进行训练，建立所述关键词模型。

3.根据权利要求2所述的文本关键词生成方法，其特征在于，所述构建训练数据，包括：

获取多个待训练文本，对所述多个待训练文本中的每一个待训练文本进行过滤，得到多个待处理文本；

对所述多个待处理文本中的每一个待处理文本进行长度设置，得到所述样本文本；

根据所述每一个样本文本的长度，以及预先建立的文本长度和关键词个数的对应关系，提取所述每一个样本文本中的关键词；

建立所述样本文本和所述样本文本中关键词的对应关系。

4.根据权利要求3所述的文本关键词生成方法，其特征在于，所述对所述多个待训练文本中的每一个待训练文本进行过滤，包括：

删除所述每一个待训练文本中的数字字符和标点符号；和/或，

删除所述每一个待训练文本中出现次数小于预设阈值的词语。

5.根据权利要求3所述的文本关键词生成方法，其特征在于，所述对所述多个待处理文本中的每一个待处理文本进行长度设置，包括：

在所述待处理文本的长度小于预设下限阈值时，在所述待处理文本中添加预设字符，使所述待处理文本的长度等于预设下限阈值；

在所述待处理文本的长度大于预设上限阈值时，对所述待处理文本进行截短处理，使所述待处理文本的长度等于预设上限阈值。

6.根据权利要求2所述的文本关键词生成方法，其特征在于，所述对所述训练数据中每一个样本文本中的每一个字符进行向量表示，得到所述每一个样本文本的字符矩阵，包括：

对所述每一个样本文本进行文本倒序，得到倒序的样本文本；

对所述倒序的样本文本中的每一个字符进行向量表示，得到所述倒序的样本文本的字符矩阵；

所述根据所述每一个样本文本的字符矩阵和所述样本文本中关键词的对应关系，通过LSTM神经网络对所述训练数据进行训练，建立所述关键词模型，包括：

根据所述倒序的样本文本的字符矩阵和所述样本文本中关键词的对应关系，通过LSTM神经网络对所述训练数据进行训练，建立所述关键词模型。

7.根据权利要求1所述的文本关键词生成方法，其特征在于，所述获取待检测文本，包括：

删除文本数据中的数字字符和标点符号，得到所述待检测文本。

8.根据权利要求1所述的文本关键词生成方法，其特征在于，所述计算所述关键词矩阵中的每一个字符向量和向量模型中的字符向量的相似度，根据所述相似度获取所述待检测文本的关键词，包括：

计算所述关键词矩阵中的每一个字符向量和所述向量模型中的字符向量的余弦值；

将每一个余弦值中最大值对应的所述向量模型中的字符作为目标字符，依次获取所述目标字符，得到所述待检测文本的关键词。