[发明专利]社交网络平台上话题关键词自适应扩充的方法及系统

摘要

本发明公开一种社交网络平台上话题关键词自适应扩充的方法及系统。本发明通过分析社交网络信息内容中词之间的相关性，提取隐含和相关话题的关键词建立关键词扩充词汇库。该方法通过标注少量的关键词建立种子关键词库，增量自反馈收集样本信息建立语料库，通过样本信息获取词频，利用词频和多层过滤算法得到与种子关键词相关性高的相关词语，最后选择合适的词汇加入到关键词扩充库中。本发明区别于传统的网页类关键词扩充机制，这种方法是建立在社交网络信息内容的特点上，对关键词的选择具有更高的灵活性和自适应性。

主权项

一种社交网络平台上话题关键词自适应扩充的方法，其特征在于包括以下步骤：步骤1：基于半监督的话题语料库和话题种子词库的建立；a.人工标注少量话题相关的正负样本，建立语料库，并且标注少量话题关键词建立种子词库集合KW；b.语料库半自动增加：利用种子词在社交网络上搜索相关的话题信息，对搜索到的信息进行TF‑IDF话题相关性匹配，匹配结果按相关性数值从高到低排列，结果再由人工判断是否跟话题相关，根据人工判断结果将信息加入到正负样本库中，扩充样本库；步骤2：对语料库中正样本信息进行分词，得到不包含种子词的分词词汇集合W；步骤3：确定集合KW和W中种子词词频和分词词汇的出现频率和词频，选取大于最小的种子词出现频率t1或大于最小的种子词词频t2的分词词汇构成集合G1；步骤4：确定初选集合G1中每个词gi与每个种子词Kj在正样本信息中的相关性，选取相关性大于阈值t3的词汇构成集合G2；步骤5：判决集合G2中词汇的影响力，选取影响力大于阈值t4的词汇构成新集合G3；步骤6：对集合G3中的单字运用排列组合合并成可能的词加入到集合G3并去除单字；步骤7：将步骤6得到的集合G3中的所有词加入到关键词扩充库中。