[发明专利]一种纸质文本生成装置及方法在审
| 申请号： | 201410785287.3 | 申请日： | 2014-12-18 |
| 公开（公告）号： | CN105786790A | 公开（公告）日： | 2016-07-20 |
| 发明（设计）人： | 徐晓声 | 申请（专利权）人： | 镇江高科科技信息咨询有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 212003 江苏省*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种纸质文本主题生成方法及装置；所述方法包括：扫描纸质文件，将文本正文转换为句子序列，并进行分词；从分词得到的词汇中，提取代表人名、时间、地点的词汇保存进关键词集合；对于剩余的各词汇，分别根据该词汇在文本正文中出现的频率，及包含该词汇的句子在所有句子中的比例计算该词汇的权重值；将权重值超过预定权重阈值的词汇保存进所述关键词集合；通过朴素贝叶斯分类模型分别计算所述关键词集合中代表人名、时间、地点的关键词以外的各关键词成为摘要的概率，将概率高于预定的概率阈值的关键词、代表人名、时间、地点的关键词和所述文本的主题一起作为摘要，按照在所述文本正文中的出现顺序输出。本发明能够适用于纸质文本的摘要生成。 | ||
| 搜索关键词： | 一种 纸质 文本 生成 装置 方法 | ||
【主权项】：
一种纸质文本主题生成装置，其特征在于，包括：扫描模块，用于将文本扫描为电子文档；转换模块，用于将文本正文转换为句子序列，并进行分词；选择模块，用于从分词得到的词汇中，提取代表人名、时间、地点的词汇保存进关键词集合；权重筛选模块，用于对于剩余的各词汇，分别根据该词汇在文本正文中出现的频率，及包含该词汇的句子在所有句子中的比例计算该词汇的权重值；将权重值超过预定权重阈值的词汇保存进所述关键词集合；概率筛选模块，用于通过朴素贝叶斯分类模型分别计算所述关键词集合中代表人名、时间、地点的关键词以外的各关键词成为摘要的概率，最后将概率高于预定的概率阈值的关键词、代表人名、时间、地点的关键词和所述文本的主题一起作为摘要，按照在所述文本正文中的出现顺序输出。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于镇江高科科技信息咨询有限公司，未经镇江高科科技信息咨询有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201410785287.3/，转载请声明来源钻瓜专利网。
