[发明专利]基于Word2Vec和Querylog抽取关键词方法

摘要

本发明公开了一种基于Word2Vec和Query log抽取关键词方法，涉及信息处理领域。该方法包括S1，构建目标领域的特定词表；S2，获取文档集合中每个文档的候选关键词；S3，获取每个所述候选关键词的若干维的词向量；S4，计算任意一个候选关键词L的词向量与所述中心向量的余弦相似度，判断候选关键词L是否出现在特定词表中，如果出现，则直接进入S5；如果不出现，则进入S6；S5，将得到余弦相似度乘以加权因子i，获得新余弦相似度，进入S6；S6，将余弦相似度的数值从大到小顺序排序，从余弦相似度数值最大开始输出m个余弦相似度的数值，即得最终关键词。本发明可针对特定领域文本迅速高效地提取出质量较为理想的关键词，避免引入口语化词汇且提取出的关键词质量高。

主权项

一种基于Word2Vec和Query log抽取关键词方法，其特征在于，该方法包括以下步骤：S1，利用query log数据，构建目标领域的特定词表；S2，在文档集合和特定词表的基础上，获取文档集合中每个文档的候选关键词；S3，训练得到目标领域的Word2Vec模型，将每个文档中的候选关键词代入所述模型，得到每个所述候选关键词的若干维的词向量；S4，计算任意一个文档A中任意一个候选关键词L对应的词向量与所述文档A的中心向量的余弦相似度，判断候选关键词L是否出现在特定词表中，如果出现，则直接进入S5；如果不出现，则进入S6；S5，将所述候选关键词L的余弦相似度乘以加权因子i，得到新余弦相似度，进入S6；S6，将得到的余弦相似度的数值按照从大到小的顺序排序，然后按照预先设定的关键词数量m，从所述排序中余弦相似度数值最大开始输出m个余弦相似度的数值，m个余弦相似度的数值所对应的候选关键词即为最终关键词。