用于生成词文图谱的方法、装置及设备制造方法及图纸

本申请涉及计算机技术领域，公开一种用于生成词文图谱的方法。该方法包括：获取文本集，所述文本集包括有两个以上文本；从各所述文本中提取出关键词；获取所述关键词及与对应的文本之间的第一距离、获取各关键词之间的第二距离、获取各所述文本之间的第三距离；根据所述第一距离、第二距离和第三距离将所述文本和所述关键词生成词文图谱。通过提取各文本中的关键词，获取关键词与其对应的文本之间的距离、关键词之间的距离和各本文之间的距离，根据距离生成文本和关键词的词文图谱，能够体现文本与关键词、各关键词、各文本之间的关系。本申请还公开一种生成词文图谱的装置及设备。还公开一种生成词文图谱的装置及设备。还公开一种生成词文图谱的装置及设备。

【技术实现步骤摘要】
用于生成词文图谱的方法、装置及设备


[0001]本申请涉及计算机
，例如涉及一种用于生成词文图谱的方法、装置及设备。

技术介绍

[0002]随着大数据时代的到来，文本存储与处理规模越来越大。人们对于文本信息不仅限于获取，更加关注文本与文本、关键词与文本、关键词与关键词之间的关系。
[0003]在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：缺乏能够体现文本、关键词之间的关系的词文图谱。

技术实现思路

[0004]为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
[0005]本公开实施例提供了一种用于生成词文图谱的方法、装置及设备，以能够体现文本、关键词之间的关系。
[0006]在一些实施例中，所述方法包括：
[0007]获取文本集，所述文本集包括有两个以上文本；
[0008]从各所述文本中提取出关键词；
[0009]获取所述关键词与其对应的文本之间的第一距离、获取各关键词之间的第二距离、获取各所述文本之间的第三距离；
[0010]根据所述第一距离、第二距离和第三距离将所述文本和所述关键词生成词文图谱。
[0011]在一些实施例中，所述装置包括：包括处理器和存储有程序指令的存储器，所述处理器被配置为在执行所述程序指令时，执行上述的用于生成词文图谱的方法。
[0012]在一些实施例中，所述设备包括：上述的用于生成词文图谱的装置。
[0013]本公开实施例提供的用于生成词文图谱的方法、装置及设备，可以实现以下技术效果：通过提取各文本中的关键词，获取关键词与其对应的文本之间的距离、关键词之间的距离和各本文之间的距离，根据距离生成文本和关键词的词文图谱，能够体现文本与关键词、各关键词、各文本之间的关系。
[0014]以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。
附图说明
[0015]一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：
[0016]图1是本公开实施例提供的一个用于生成词文图谱的方法的示意图；
[0017]图2是本公开实施例提供的一个用于生成词文图谱的装置的示意图。
具体实施方式
[0018]为了能够更加详尽地了解本公开实施例的特点与
技术实现思路
，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。
[0019]本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
[0020]除非另有说明，术语“多个”表示两个或两个以上。
[0021]本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。
[0022]术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。
[0023]结合图1所示，本公开实施例提供一种用于生成词文图谱的方法，包括：
[0024]步骤S101，获取文本集，文本集包括有两个以上文本；
[0025]步骤S102，从各文本中提取出关键词；
[0026]步骤S103，获取关键词与其对应的文本之间的第一距离、获取各关键词之间的第二距离、获取各文本之间的第三距离；
[0027]步骤S104，根据第一距离、第二距离和第三距离将文本和关键词生成词文图谱。
[0028]采用本公实施例用于生成词文图谱的方法，通过提取各文本中的关键词，获取关键词及其对应的文本之间的距离、关键词之间的距离和各本文之间的距离，根据距离生成文本和关键词的词文图谱，能够体现文本与关键词、各关键词、各文本之间的关系。
[0029]可选地，获取关键词与其对应的文本之间的第一距离，包括：获取所述文本中与所述关键词的第一相似度满足阈值的词、所述文本中词样的数量、所述文本中各词样的长度、所述文本中所有词样的平均长度；
[0030]通过计算
[0031][0032]得到所述关键词与其对应的文本之间的第一距离；
[0033]其中，Score(q,d)为第一距离，q为文本中的关键词，d为关键词q对应的文本，n(d)为文本d中所有词的数量，n
c
(d)为文本d中词样的数量，为文本中与所述关键词的第一相似度满足阈值的词，为第一调整因子，υ为第二调整因子，k为第三调整因子，z为第四调整因子，θ1为第一成分权重因子，θ2为第二成分权重因子，sim(attr)为文本集中各文本之间的第二相似度，dl
c
为文本中各词样的长度，avgdl
c
为文本中所有词样的平均长度，N为文本集中文本的数量，n(
·
)表示计数。
[0034]可选地，文本集中各文本之间的第二相似度为文本之间的属性相似度，即文本之间著录信息的相似度。
[0035]可选地，词样为文本中所有不重复的词。
[0036]这样，通过加入与关键词满足第一相似度阈值的词，引入词样长度的概率分布、引入文本之间的属性相似度，使得计算出来的关键词与其对应的文本之间的第一距离更准确，更能体现文本与关键词之间的关系。
[0037]可选地，获取各关键词之间的第二距离，包括：获取所述文本中各关键词的词义之间的距离、关键词之间匹配的字符数量；
[0038]通过计算
[0039][0040]得到关键词之间的第二距离；
[0041]其中，Score(q1,q2)为第二距离，L1为关键词q1与关键词q2的的词义之间的距离，m为关键词之间匹配的字符数量，t为关键词q1与关键词q2之间不匹配的字符数量，n(D)为文本集的数量，n
D
(q1,q2)为在文本集D中同时出现关键词q1和关键词q2的文本的数量，n
D
(q1)为在文本集D中出现关键词q1的文本的数量，n
D
(q2)为在文本集D中出现关键词q2的文本的数量，len(q1)为关键词q1的长度，len(q2)为关键词q2的长度，γ为比例系数，w1为词义权重，w2为词共现权重。
[0042]可选地，在q1[o]、q2[l]满足|o-l|≤γ
·<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于生成词文图谱的方法，其特征在于，包括：获取文本集，所述文本集包括有两个以上文本；从各所述文本中提取出关键词；获取所述关键词与其对应的文本之间的第一距离、获取各关键词之间的第二距离、获取各所述文本之间的第三距离；根据所述第一距离、第二距离和第三距离将所述文本和所述关键词生成词文图谱。2.根据权利要求1所述的方法，其特征在于，获取所述关键词与其对应的文本之间的第一距离，包括：获取所述文本中与所述关键词的第一相似度满足阈值的词、所述文本中词样的数量、所述文本中各词样的长度、所述文本中所有词样的平均长度；通过计算得到所述关键词与其对应的文本之间的第一距离；其中，Score(q,d)为第一距离，q为文本中的关键词，d为关键词q对应的文本，n(d)为文本d中所有词的数量，n
c
(d)为文本d中词样的数量，为文本中与所述关键词的第一相似度满足阈值的词，为第一调整因子，υ为第二调整因子，k为第三调整因子，z为第四调整因子，θ1为第一成分权重因子，θ2为第二成分权重因子，sim(attr)为文本集中各文本之间的第二相似度，dl
c
为文本中各词样的长度，avgdl
c
为文本中所有词样的平均长度，N为文本集中文本的数量。3.根据权利要求1所述的方法，其特征在于，获取各关键词之间的第二距离，包括：获取所述文本中各关键词的词义之间的距离、关键词之间匹配的字符数量；通过计算得到所述关键词之间的第二距离；其中，Score(q1,q2)为第二距离，L1为关键词q1与关键词q2的的词义之间的距离，m为关键词之间匹配的字符数量，t为关键词q1与关键词q2之间不匹配的字符数量，n(D)为文本集的数量，n
D
(q1,q2)为在文本集D中同时出现关键词q1和关键词q2的文本的数量，n
D
(q1)为在文本集D中出现关键词q1的文本的数量，n
D
(q2)为在文本集D中出现关键词q2的文本的数量，len(q1)为关键词q1的长度，len(q2)为关键词q2的长度，γ为比例系数，w1为词义权重，w2为
词共现权重。4.根据权利要求1所述的方法，其特征在于，获取各所述文本...

【专利技术属性】
技术研发人员：冉升，
申请(专利权)人：重庆市重报大数据研究院，
类型：发明
国别省市：