关键词的提取方法、装置、电子设备及可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113743112A(43)申请公布日2021.12.03(21)申请号202110977679.X(22)申请日2021.08.24(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人张鑫睿刘欢王海威陈坤斌和为(74)专利代理机构北京市通商律师事务所11951代理人巩靖(51)Int.Cl.G06F40/289(2020.01)G06F40/216(2020.01)权利要求书3页说明书11页附图3页(54)发明名称关键词的提取方法、装置、电子设备及可读存储介质(57)摘要本公开提供了关键词的提取方法、装置、电子设备及可读存储介质，涉及数据处理技术领域，尤其涉及NLP领域。具体实现方案为：确定目标文本的第一分词在目标文本所包含的各个句子中的第一词频；对第一词频进行平滑处理得到第二词频；基于第二次词频确定第一分词在目标文本中的第三词频；基于第三词频从第一分词中确定第一关键词。基于本方案，通过对第一词频进行平滑处理，能够降低数值较大的第一词频中对关键词提取的影响幅度，避免仅因词在目标文本中的局部高频出现而被作为关键词提取的情况，提升关键词的提取准确率。CN113743112ACN113743112A权利要求书1/3页1.一种关键词的提取方法，包括：确定目标文本的第一分词在所述目标文本所包含的各个句子中的第一词频；对所述第一词频进行平滑处理得到第二词频；基于所述第二次词频确定所述第一分词在所述目标文本中的第三词频；基于所述第三词频从所述第一分词中确定第一关键词。2.根据权利要求1所述的方法，其中，所述对所述第一词频进行平滑处理得到第二词频，包括以下任一项：对所述第一词频进行开平方运算，得到第二词频；响应于所述第一词频大于预设值，根据预设规则缩小所述第一词频得到第二词频。3.根据权利要求1或2所述的方法，其中，所述基于所述第三词频从所述第一分词中确定第一关键词，包括：确定所述第一分词在所述目标文本中的逆文档频率；基于所述逆文档频率与所述第三词频确定第一关键度；基于所述第一关键度从所述第一分词中确定第一关键词。4.根据权利要求3所述的方法，其中，所述基于所述第一关键度从所述第一分词中确定第一关键词，包括：基于所述第一关键度以及所述第一分词所对应的词类型权重，确定第二关键度；基于所述第二关键度从所述第一分词中确定第一关键词。5.根据权利要求4所述的方法，其中，所述基于所述第二关键度从所述第一分词中确定第一关键词，包括：基于所述第二关键度由高到低的顺序对所述第一分词进行排序；将所述排序中前预设数量的第一分词确定为第一关键词。6.根据权利要求1‑5中任一项所述的方法，还包括：基于预配置的词性规则对所述第一关键词进行过滤，得到第二关键词。7.根据权利要求6所述的方法，所述词性规则包括以下至少一项：所述第一关键词的词性不属于预设词性；对所述第一关键词的进行分词处理得到的第二分词为单字词；对所述第一关键词的进行分词处理得到的第二分词中不存在相同词性的第二分词，且所述第二分词均不属于预设词集合。8.根据权利要求6或7所述的方法，还包括：将预设个数的第二关键词进行组合，得到组合词；确定所述组合词在所述目标文本中的第四词频是否满足预设词频条件；响应于所述组合词在所述目标文本中的第四词频满足预设词频条件，基于所述第二关键词以及所述组合词，确定第三关键词。9.根据权利要求8所述的方法，所述基于所述第二关键词以及所述组合词，确定第三关键词，包括：将用于组合成所述组合词的第二关键词确定为被替换词；将除所述被替换词之外的所述第二关键词以及所述组合词确定为所述第三关键词。10.根据权利要求1‑9中任一项所述的方法，在所述确定目标文本的第一分词在所述目2CN113743112A权利要求书2/3页标文本所包含的各个句子中的第一词频之前，所述方法还包括：对所述目标文本进行分词处理得到分词结果；将所述分词结果中满足预设的筛选条件的词确定为所述第一分词。11.一种关键词的提取装置，包括：第一词频确定模块，用于确定目标文本的第一分词在所述目标文本所包含的各个句子中的第一词频；第二词频确定模块，用于对所述第一词频进行平滑处理得到第二词频；第三词频确定模块，用于基于所述第二次词频确定所述第一分词在所述目标文本中的第三词频；关键词提取模块，用于基于所述第三词频从所述第一分词中确定第一关键词。12.根据权利要求11所述的装置，其中，所述第二词频确定模块具体用于以下任一项：对所述第一词频进行开平方运算，得到第二词频；响应于所述第一词频大于预设值，根据预设规则缩小所述第一词频得到第二词频。13.根据权利要求11或12所述的装置，其中，所述关键词提取模块具体用于