专利交易市场

本发明公开了一种融合语言模型与语义特征的关键词提取方法，包括：提取目标文本中的名词和名词短语构成候选词集合，利用语言模型分别针对目标文本和候选词集合生成目标文本表征向量和候选词表征向量；对候选词表征向量降维后进行聚类操作，得到具有若干个聚类的聚类集合；基于候选词与目标文本的语义相似度确定各聚类待提取关键词的名额，并从各聚类中筛选对应名额的候选词，生成候选关键词集合；利用最大边界相关算法从候选关键词集合中提取候选词，得到最终关键词。本发明显著提升关键词提取的准确性和多样性。

本发明公开了一种情报关键词提取方法，属于关键词提取技术领域，包括以下步骤：S1、获取待处理情报文本，并将待处理情报文本均匀划分为若干个情报文本块；S2、计算各个情报文本块的语义适应度；S3、提取所有情报文本块的关键词，生成关键词序列；S4、利用各个情报文本块的语义适应度，对关键词序列进行更新，确定待处理情报文本的所有关键词。本发明公开了一种情报关键词提取方法，可以对多个情报文本块进行单独的语义分析，得到表征各个情报文本块语义情况的语义适应度，并利用语义适应度对所有情报文本块的关键词进行更新修正，保证提取的关键词准确无误，进而提高情报信息处理能力，大大提高情报查找效率。

本发明涉及人工智能领域，具体是论文关键词提取系统，包括训练集、Jieba分词器、清洗模块、权重计算模型、频率计算模型和输出模型；论文关键词提取方法，包括如下步骤：S1、利用词语筛选模块获取训练集中论文正文的词语形成词语训练集；S2、通过Jieba分词器分词切割出论文中摘要、正文或总结中出现的所有词语训练集的词语，并通过清洗模块输出关键词语；S3、将步骤S2的结果输入权重计算模型进行训练；S4、将步骤S2的结果输入频率计算模型进行训练；S5、将步骤S3和S4的输出结果输入输出模型进行训练；S6、将目标论文输入权重计算模型、频率计算模型和输出模型，得到关键字；提出了将无监督的方法和有监督的方法相结合的方式对论文的关键字进行一个获取。