[发明专利]一种关键词提取方法、装置及电子设备

权利要求书

1.一种关键词提取方法，其特征在于，包括：

对待处理文本进行分词，得到所述待处理文本对应的多个分词，并确定每个分词的词向量；

根据所述每个分词的词向量以及已训练好的双向长短期记忆BLSTM网络，确定所述每个分词的标签概率向量；其中，所述BLSTM网络是根据训练文本和所述训练文本的关键词在所述训练文本中的标注结果，对所述训练文本的关键词进行补充标注，得到补充标注后的训练文本，基于所述补充标注后的训练文本对初始BLSTM网络训练后得到的，所述训练文本的关键词在所述训练文本中的标注结果包括：所述训练文本的关键词在所述训练文本中被标注为关键词的次数和位置；所述每个分词的标签概率向量是由所述每个分词对应于多个分类标签中每个分类标签的概率组成的向量；

针对所述待处理文本中的每个句子，根据该句子中每个分词的标签概率向量，对该句子进行条件随机场CRF解码，确定该句子中每个分词对应的分类标签；

将所述每个句子中分类标签为预设分类标签的分词确定为该句子对应的关键词；

将所述待处理文本中所述每个句子对应的关键词，作为所述待处理文本的关键词；

其中，根据训练文本和所述训练文本的关键词在所述训练文本中的标注结果，对所述训练文本的关键词进行补充标注，得到补充标注后的训练文本的过程包括：

计算所述训练文本的每个关键词的接受率；如果任一关键词的接受率大于第三阈值，则在所述训练文本中对所有未被标注的该关键词进行补充标注，得到补充标注后的训练文本；其中，所述训练文本的每个关键词的接受率通过以下公式计算：

ReceiveRate(W_i)＝LabelNum(W_i)/TotalNum(W_i)；

其中，W_i表示所述训练文本的第i个关键词，i＝1,…,M，M为所述训练文本的关键词的个数；ReceiveRate(W_i)表示W_i的接受率，LabelNum(W_i)表示W_i在所述训练文本中被标注的次数，TotalNum(W_i)表示W_i在所述训练文本中出现的次数。

2.根据权利要求1所述的方法，其特征在于，训练BLSTM网络的步骤包括：

获取训练文本和所述训练文本的关键词，其中，所述训练文本的关键词在所述训练文本中已至少被标注一次；根据所述训练文本的关键词和该关键词在所述训练文本中的标注结果，对所述训练文本的关键词进行补充标注，得到补充标注后的训练文本；

对所述补充标注后的训练文本进行分词，得到所述补充标注后的训练文本对应的多个分词，并确定所述补充标注后的训练文本对应的每个分词的词向量；

将所述补充标注后的训练文本对应的每个分词的词向量和每个分词对应的标准分类标签输入初始BLSTM网络，确定所述补充标注后的训练文本对应的每个分词的标签概率向量；

针对所述补充标注后的训练文本中的每个句子，根据该句子中每个分词的标签概率向量，对该句子进行CRF解码，确定该句子中每个分词对应的分类标签；

将所述补充标注后的训练文本中的每个句子中分类标签为预设分类标签的分词确定为该句子对应的训练关键词；

将所述补充标注后的训练文本中所述每个句子对应的训练关键词，作为所述训练文本的训练关键词；

根据所述训练文本的训练关键词，确定训练好的BLSTM网络。