[发明专利]一种从多类文本中提取关键词的方法

权利要求书

1.一种从多类文本中提取关键词的方法，包括以下步骤：步骤一，文本按类收集；步骤二，关键词按类提取；步骤三，关键词合并；步骤四，关键词精选；其特征在于：

其中在上述步骤一中，将相同类型的文档放到一个集合中，各个类别的文本集合记为D1，D2，D3等；

其中在上述步骤二中，利用关键词提取器提取每个类别下所有文档的关键词，关键词提取器可以利用上述机器学习方法实现，也可以利用上述统计学方法实现，此步骤不为本发明重点介绍内容，此次发明暂使用textrank与tfidf等多模型融合实现的关键词提取器，每个类别的候选关键词集合用s1，s2，s3...表示；

其中在上述步骤三中，此时通过关键词提取器内部的set(key1，key2...)集合中的add()方法将每个文档的候选关键词进行合并，然后通过set()集合的编程算法对候选关键词进行去重操作，将重复的候选关键词进行删除，此时剔除的词一般都为文本集中停用词，而停用词是在自然语言处理中为无作用词，而且会消耗过多的内存占用，特别在机器学习模型中表现为冗余，当单独分析一类文本时，停用词还会引入很多干扰信息；具体类别的文本中的关键词，只应该出现在该类的文本中；反之，如果某类文本的关键词，又出现在其他类的文本中，则该词跟多个主题相关联，这种情况是相矛盾的；要精准的找出每个类别文本中，与该类强相关的词，就不应该出现在其他类的文章，保证每个词只出现一次，这样生成的集合为全文档的候选关键词集合，用S表示；

其中在上述步骤四中，通过关键词提取器将每个类别中候选关键词集s与全文档候选关键词集S进行求差集，此差集即为该类的精准关键词，这样就完成了对关键词的精度筛选。

2.根据权利要求1所述的一种从多类文本中提取关键词的方法，其特征在于：所述步骤一中，将相同类型的文档放到一个文件中去。

3.根据权利要求1所述的一种从多类文本中提取关键词的方法，其特征在于：所述步骤二中，分别从每个类的全部文档集合中提取类别的候选关键词。

4.根据权利要求1所述的一种从多类文本中提取关键词的方法，其特征在于：所述步骤三中，合并各个类别的所有关键词，成为全集合文本的候选关键词。

5.根据权利要求1所述的一种从多类文本中提取关键词的方法，其特征在于：所述步骤四中，利用类别的候选关键词与全集合文本的候选关键词求差集，此差集为精确提取类关键词。