公开(公告)号：CN108038099A

公开(公告)日：2018-05-15

申请号：CN201711228193.6

申请日：2017-11-29

Applicant: 贵州大学

Inventor： 陈艳平 ,  刘莎 ,  黄瑞章

IPC: G06F17/27

Abstract: 本发明公开了一种基于词聚类的低频关键词识别方法。本发明提出了3个创新点：(1)提出一种区别于传统方法的低频关键词词识别方法，该方法利用关键词的语义结构信息进行识别，能有效缓解低频关键词识别中上下文特征稀疏的问题。(2)提出一种基于词聚类的关键词语义结构生成方法，该方法利用词聚类后的词类标签替换候选关键词，然后选择出现次数多的标签模式作为语义结构。(3)针对相同语义结构下的低频关键词，提出一种面向低频关键词的排序方法，该方法利用文档信息对低频词进行排序。因此，本发明以网页自设置的关键词进行匹配，不需要训练数据，也不需要进行样本学习，脱离了网站结构的限制，具有较好的通用性。

公开(公告)号：CN108038099B

公开(公告)日：2021-07-09

申请号：CN201711228193.6

申请日：2017-11-29

Applicant: 贵州大学

Inventor： 陈艳平 ,  刘莎 ,  黄瑞章

IPC: G06F40/284

Abstract: 本发明公开了一种基于词聚类的低频关键词识别方法。本发明提出了3个创新点：(1)提出一种区别于传统方法的低频关键词词识别方法，该方法利用关键词的语义结构信息进行识别，能有效缓解低频关键词识别中上下文特征稀疏的问题。(2)提出一种基于词聚类的关键词语义结构生成方法，该方法利用词聚类后的词类标签替换候选关键词，然后选择出现次数多的标签模式作为语义结构。(3)针对相同语义结构下的低频关键词，提出一种面向低频关键词的排序方法，该方法利用文档信息对低频词进行排序。因此，本发明以网页自设置的关键词进行匹配，不需要训练数据，也不需要进行样本学习，脱离了网站结构的限制，具有较好的通用性。