[发明专利]基于多种算法提升文件关键词准确度的识别系统

权利要求书

1.一种基于多种算法提升文件关键词准确度的识别系统，其特征在于，所述识别系统包括：

原文本输入模块，其用于输入待进行关键词识别的原文本；

文本预处理模块，其用于对原文本输入模块输入的原文本进行文本格式转换预处理，形成可供后续识别算法处理的候选词；

基于分离模型的中文关键词提取模块，其用于基于分离模型，对来自文本预处理模块的候选词，进行关键单词提取和关键词串提取，生成基于分离模型的计算结果，获取关键词数量提取信息；

基于高维聚类技术的中文关键词提取模块，其用于基于高维聚类技术，对来自文本预处理模块的候选词，进行关键单词提取和关键词串提取，生成基于高维聚类技术的计算结果，获取关键词数量提取信息；

基于语义的中文关键词提取模块，其用于基于语义的中文文本关键词提取算法，对来自文本预处理模块的候选词，进行关键单词提取和关键词串提取，生成基于语义的计算结果，获取关键词数量提取信息；

基于朴素贝叶斯模型的中文关键词提取模块，其用于基于朴素贝叶斯模型，对来自文本预处理模块的候选词，进行关键单词提取和关键词串提取，生成基于朴素贝叶斯模型的计算结果，获取关键词数量提取信息；

算法权重比分配模块，其用于配置上述基于分离模型的计算结果、基于高维聚类技术的计算结果、基于语义的计算结果、朴素贝叶斯模型的计算结果各自在最终关键词结果运算生成过程中的权重比；

关键词识别结果生成模块，其用于对比基于分离模型的计算结果、基于高维聚类技术的计算结果、基于语义的计算结果、朴素贝叶斯模型的计算结果中各自对关键词的命中次数，根据上述预先配置的权重比，综合计算，得到最终的关键词识别结果。

2.如权利要求1所述的基于多种算法提升文件关键词准确度的识别系统，其特征在于，所述基于分离模型的中文关键词提取模块，采用基于分离模型的中文关键词提取算法，把关键词的识别提取当做一个分类，对文本中各个候选关键词区分关键词还是非关键词。

3.如权利要求2所述的基于多种算法提升文件关键词准确度的识别系统，其特征在于，所述分离模型是对关键单词与关键词串分别建立模型，在关键词特征的选取上，分别建立的各个模型选取不同的特征。

4.如权利要求1所述的基于多种算法提升文件关键词准确度的识别系统，其特征在于，所述高维聚类技术的中文关键词提取模块，通过依据小词典的快速分词、二次分词、高维聚类及关键词甄选四个步骤实现关键词的提取。

5.如权利要求1所述的基于多种算法提升文件关键词准确度的识别系统，其特征在于，所述基于语义的中文关键词提取模块，其将词语语义特征融入关键词提取过程中，构建词语语义相似度网络并利用居间度密度度量词语语义关键度。

6.如权利要求1所述的基于多种算法提升文件关键词准确度的识别系统，其特征在于，所述基于朴素贝叶斯模型的中文关键词提取模块，其首先通过训练过程获得朴素贝叶斯模型中的各个参数，然后以之为基础，在测试过程完成关键词提取。

7.如权利要求1所述的基于多种算法提升文件关键词准确度的识别系统，其特征在于，所述算法权重比分配模块按照2:3:4:3的比例确定上述基于分离模型的计算结果、基于高维聚类技术的计算结果、基于语义的计算结果、朴素贝叶斯模型的计算结果各自在最终关键词结果运算生成过程中的权重比。

8.如权利要求7所述的基于多种算法提升文件关键词准确度的识别系统，其特征在于，所述2:3:4:3的权重比为默认配置。

9.如权利要求1所述的基于多种算法提升文件关键词准确度的识别系统，其特征在于，所述权重比为按照具体应用场景自行配置。

10.如权利要求1所述的基于多种算法提升文件关键词准确度的识别系统，其特征在于，所述原文本的格式包括WORD格式，PDF格式。