[发明专利]一种基于关键词解析的试题网络排重检索办法

权利要求书

1.一种基于关键词解析的试题网络排重检索办法，其特征在于：具体包括以下步骤：

S1、文本字数判断：将需要排重的文本进行字数统计，并进行判断，以文本字数超过500字为依据将文本分为两类；

S2、文本智能分词：当步骤S1中的文本字数被判断为不超过500字时，采用IK-Analyzer对文本进行智能分词，并统计词频；

S3、提取关键词：将完成步骤S2的文本中的分词进行分析，提取主要关键词；

S4、截取文本：当步骤S1中的文本字数被判断为超过500字时，随机截取10段38字的文本；

S5、生成关键词列表：将完成步骤S3的关键词或完成步骤S4截取的文本提取关键词，生成关键词列表；

S6、网络排重：通过词频和自定义考试业务关键词，对分词结果进行自动分析，生成关键词信息，并默认提取最主要的15个关键词进行网络排重；

S7、原题与排重结果进行相似度分析：把原题和排重结果进行相似度分析，计算出相似度数值；

S8、排重结果自定义排序展示：用户可选择相似度排序或网络原始排序，进行结果展示。

2.根据权利要求1所述的一种基于关键词解析的试题网络排重检索办法，其特征在于：所述步骤S1中提到的文本分为两类，一类为超过500字的文本，另一类为不超过500字的文本。

3.根据权利要求1所述的一种基于关键词解析的试题网络排重检索办法，其特征在于：所述步骤S2中提到的IK-Analyzer，所述IK-Analyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。

4.根据权利要求1所述的一种基于关键词解析的试题网络排重检索办法，其特征在于：所述S3以及S5中提到的关键词为出题人设置的主要知识点关键词，在题库系统中，每一道试题都有所属的测评要素。

5.根据权利要求1所述的一种基于关键词解析的试题网络排重检索办法，其特征在于：所述S4中提到的截取10段38字的文本，38个字是网络排重支持的最长长度，在排重时，也可以选择30至38区间的字数进行截取，且此文本字数长度不超过试题总长度的20%。

6.根据权利要求1所述的一种基于关键词解析的试题网络排重检索办法，其特征在于：所述S5中提到的生成关键词列表，测评要素关键词结合智能分词关键词，如果智能分词关键词中存在于测评要素关键词，则优先提取，并按词频排序，词频高的排在前面，其余的智能分词关键词同样按词频紧随着排在后面。

7.根据权利要求1所述的一种基于关键词解析的试题网络排重检索办法，其特征在于：所述S6中提到的默认提取最主要的15个关键词进行网络排重，其中15个关键词为关键词表中默认排序前15个关键词，用户也可根据需要选取其他关键词进行搜索。

8.根据权利要求1所述的一种基于关键词解析的试题网络排重检索办法，其特征在于：所述S7中提到的把原题和排重结果进行相似度分析，本地服务器拿到网络排重结果后，将试题原题和网络结果进行文本相似度分析，利用开源算法计算出相似度，提供相似度排序，把相似度高的结果靠前排列，显示前20条结果，迅速定位分析。

9.根据权利要求1所述的一种基于关键词解析的试题网络排重检索办法，其特征在于：所述S3中对试题关键词的搜索排重后，得到一个排重结果，此结果如未发现有文本相似度超过60%的结果，则采用截取的文本的方式进行网络第二次排重，对相似度超过60%的结果合并到第一次排重的结果中。