一种基于词频和多元文法的新闻关键词抽取方法

发明专利无效专利

申请号：
CN200710177074.2
IPC分类号：G06F17/30;G06F17/27
申请日期：
2007-11-09
申请人：
清华大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于词频和多元文法的新闻关键词抽取方法
申请号	CN200710177074.2	申请日期	2007-11-09
法律状态	权利终止	申报国家	中国
公开/公告日	2008-06-11	公开/公告号	CN101196904
优先权	暂无	优先权号	暂无
主分类号	G06F17/30 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/30 信息检索；及其数据库结构〔6〕	IPC分类号	G;0;6;F;1;7;/;3;0;;;G;0;6;F;1;7;/;2;7查看分类表>
申请人	清华大学	申请人地址	北京市海淀区清华园变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	清华大学	当前权利人	清华大学
发明人	李涓子;樊绮娜;李军;唐杰;张鹏;许斌
代理机构	北京思海天达知识产权代理有限公司	代理人	楼艮基

摘要

一种基于词频和多元文法的新闻关键词抽取方法属于自然语言处理技术领域，其特征在于，通过研究关键词的特征词性，利用计算机辅助挖掘，提取出关键词的多元文法的潜在词性模式，并将其作为关键词抽取算法的依据。在进行新闻关键词抽取时，首先根据潜在词性模式挖掘文本中的多元词组，抽取关键词的候选词集，然后从标题中挖掘未登录的潜在关键词，将潜在关键词也加入候选关键词集中。本申请提出一个改进的单文本词汇频率/逆文本频率值(tf/idf)公式，引入有针对性的特征，对候选关键词进行评分，得出候选关键词的排名，进行结果优化后给出该新闻文档的关键词。该方法与传统的基于单文本词汇频率/逆文本频率值(tf/idf)的关键词抽取方法比较，在准确率相同的情况下，召回率更高些。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
1	CN1466083A	2004-01-07	2002-12-27	关键词提取装置和信息检索装置无效专利	住友电气工业株式会社;梅村恭司
2	CN1719436A	2006-01-11	2004-07-09	一种新的面向文本分类的特征向量权重的方法及装置失效专利	中国科学院自动化研究所

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
1	WO2014075572A1	2013-11-06	2013-11-06	METHOD AND APPARATUS FOR SELECTING A KEYWORD公开	TENCENT TECHNOLOGY (SHENZHEN) COMPANY LIMITED
2	CN102890674B	2011-07-18	2011-07-18	一种查询词的处理方法和装置有效专利	阿里巴巴集团控股有限公司
3	CN103823803A	2012-11-16	2012-11-16	一种关键词筛选的方法、装置和设备有效专利	腾讯科技(深圳)有限公司
4	CN102890674A	2011-07-18	2011-07-18	一种查询词的处理方法和装置有效专利	阿里巴巴集团控股有限公司

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供