[发明专利]一种关键词提取方法及装置

权利要求书

1.一种关键词提取方法，其特征在于，包括：

对待处理语句进行分词处理得到分词结果，并对所述分词结果进行碎词合并，得到分词合并结果；

基于预先训练得到的关键词字典，获得所述分词合并结果中每个词语的词频-逆向文件频率，所述关键词字典包括每个关键词对应的词频-逆向文件频率；

对所述待处理语句进行分句，对于每个短句进行分词处理及碎词合并，得到所述短句包含的词语，以及对每个短句包含的词语进行依存句法分析，得到所述短句包含的核心词组；

基于所述待处理语句包含的词语、所述词语对应的词频-逆向文件频率，以及所述核心词组，获得所述待处理语句的关键词。

2.根据权利要求1所述的方法，其特征在于，所述基于所述待处理语句包含的词语、所述词语对应的词频-逆向文件频率，以及所述核心词组，获得所述待处理语句的关键词，包括：

获取所述待处理语句包含的词语对应的权重系数，所述权重系数包括所述词语的位置对应的权重和核心词组对应的权重；

基于每个词语对应的权重系数及词频-逆向文本频率，获得所述词语对应的目标权重；

根据所述待处理语句中每个词语对应的目标权重由高到低的顺序，确定前预设数量个词语为所述待处理语句的关键词。

3.根据权利要求2所述的方法，其特征在于，所述权重系数包括词频-逆向文件频率对应的第一权重、所述核心词组对应的第二权重、所述短句在所述待处理语句中所处位置对应的第三权重、每个所述核心词组的词性对应的第四权重；

所述基于每个词语对应的权重系数及词频-逆向文本频率，获得所述词语对应的目标权重，包括：

计算所述词语对应的所述第一权重与所述词语的词频-逆向文本频率的乘积；

计算所述乘积与所述第二权重、所述第三权重及所述第四权重的总和，得到所述词语对应的目标权重。

4.根据权利要求3所述的方法，其特征在于，所述第一权重、所述第二权重、所述第三权重和所述第四权重的最大值总和等于1；

所述核心词组对应的第二权重为第二权重预设值，非核心词组的词语对应的第二权重为0；

处于所述待处理语句的句首或句尾的短句对应的第三权重的数值，高于所述待处理语句中其他位置的短句对应的第三权重；

不同词性的词语对应的所述第四权重不同。

5.根据权利要求1所述的方法，其特征在于，所述对所述待处理语句进行分句，对于每个短句进行分词处理及碎词合并，得到所述短句包含的词语，包括：

按照所述待处理语句包含的标点符合，将所述待处理语句划分为短句；

对所述短句进行分词处理得到分词结果，并对所述分词结果包含的共现频率大于预设阈值的词语进行合并，得到所述短句包含的词语。

6.根据权利要求1所述的方法，其特征在于，所述对每个短句包含的词语进行依存句法分析，得到所述短句包含的核心词组，包括：

利用依存句法分析方法，分析所述短句包含的词语之间的语义依存关系；

根据所述语义依存关系，确定出所述短句中的核心词组。

7.根据权利要求6所述的方法，其特征在于，所述根据所述语义依存关系，确定出所述短句包含的核心词组，包括：

根据所述语义依存关系，提取出所述短句的初始核心词语；

根据所述初始核心词语对应的语义依存关系，扩充所述初始核心词语，得到所述核心词组。

8.根据权利要求1所述的方法，其特征在于，获取关键词字典的过程，包括：

针对训练语句集合中的任一语句，进行分词处理和碎词合并，得到所述语句包含的词语；

对于每个词语，根据所述词语的词频和包含所述词语的语句数据量，计算得到所述词语的词频-逆向文件频率，获得所述训练语句集合所包含的每个词语的词频-逆向文件频率。