[发明专利]文本关键信息的提取方法、装置及介质

权利要求书

1.一种文本关键信息的提取方法，其特征在于，包括：

获取待提取文本，所述待提取文本包括标题和正文；

生成第一列表，其中，所述第一列表中包括至少一个候选关键单元，所述候选关键单元为利用所述正文中的组成单元的相似度权重，从所述正文中抽取出的组成单元；

从所述正文中选取出标题相似单元，其中，所述标题相似单元为与所述标题相似度最高的组成单元；

如果所述标题相似单元与任一个候选关键单元都不同，则将所述标题相似单元添加到所述第一列表中；

利用所述第一列表生成关键信息；其中：

生成第一列表的步骤，包括：

分别计算未存在于第一列表中的每一个组成单元各自对应的MMR得分；

将MMR得分最高的组成单元确定为一个候选关键单元，添加到第一列表中；

迭代执行计算组成单元对应的MMR得分和确定候选关键单元的步骤，直到第一列表中的候选关键单元达到预设的数量；

利用所述第一列表生成关键信息的步骤，包括：

从所述第一列表中的选取n个关键单元，其中，所述n个关键单元中包括所述标题相似单元，以及(n-1)个相似度权重最大的候选关键单元，n为大于或等于2的整数；

按照所述n个关键单元在所述正文中位置组合所述n个关键单元，得到关键信息。

2.根据权利要求1所述的方法，其特征在于，当所述组成单元为句子，所述候选关键单元为候选关键句，所述标题相似单元为标题相似句时，生成的所述关键信息包括文本摘要；或者，

当所述组成单元为词语，所述候选关键单元为候选关键词，所述标题相似单元为标题相似词时，生成的所述关键信息包括关键词。

3.根据权利要求2所述的方法，其特征在于，所述关键信息还包括关键实体，所述方法还包括：

从所述正文中识别出至少一个命名实体；

如果所述命名实体存在于所述标题或者所述文本摘要中，则将所述命名实体确定为关键实体。

4.一种文本关键信息的提取方法，其特征在于，所述关键信息包括关键词，包括：

获取待提取文本，所述待提取文本包括正文；

从所述正文中抽取出至少一个待校关键词；

从所述正文中识别出至少一个命名实体；

如果第一待校关键词为一个命名实体的子串，则将所述命名实体确定为从所述正文中提取出的一个关键词；其中，所述第一待校关键词为所述至少一个待校关键词中的任一个；

所述关键信息还包括关键短语；

如果短语集合中的至少两个词在所述正文中相邻，则将所述至少两个词组成关键短语；其中，所述短语集合包括所有从所述正文中提取出的关键词；或者，

如果短语集合中的至少两个词在所述文本摘要中相邻，则将所述至少两个词组成关键短语；其中，所述短语集合包括所有从所述正文中提取出的关键词，所述文本摘要为利用所述待提取文本的正文和标题，从所述正文中提取出的文本；

所述短语集合还包括从所述正文中识别出的、与所述关键词不相同的至少一个命名实体；或者，

所述短语集合还包括与所述关键词不相同的至少一个关键实体；其中，所述关键实体为从所述正文中识别出的、根据所述文本的标题或文本摘要筛选得到的命名实体。