CN110457672A - 关键词确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明涉及数据分析技术领域，提供一种关键词确定方法、装置、电子设备及存储介质。所述关键词确定方法能够当接收到关键词提取指令时，获取事件文本，并采用ET‑TAG模型，提取所述事件文本的子话题，使关键词提取更加准确，进一步合并所述子话题，得到目标子话题，并对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词，再通过关联度计算，从配置数据库中调取所述事件文本的关联词，基于贡献值，从所述关联词中确定所述事件文本的第二关键词，进而引入外部数据作为扩展数据，合并所述第一关键词及所述第二关键词，得到所述事件文本的目标关键词，从而自动确定事件文本的关键词，且由于引入了其他数据库中的数据，使关键词的确定更加准确。

Description

关键词确定方法、装置、电子设备及存储介质

技术领域

本发明涉及数据分析技术领域，尤其涉及一种关键词确定方法、装置、电子设备及存储介质。

背景技术

现有技术方案中，确定事件文本关键词主要由人工进行，即先人工确定事件的关键词，再进行事件提取，不仅人工工作量大，而且对于事件的细粒度的标签较少，大多数都是针对文本整体打上一个事件标签，再将该标签作为文本的关键词。

上述方式存在一定的弊端。首先，由于大部分需要借助人工区分的方式进行分类提取，因此准确率没有保证，且效率低下；其次，由于没有定量的分析，导致获取的关键词不能对原文本进行全面深入的刻画，关键词之名名不副实；最后，传统方法仅仅提取了文本关键词，并未扩展出触发关键词，导致对文本不能进行深入挖掘。

发明内容

鉴于以上内容，有必要提供一种关键词确定方法、装置、电子设备及存储介质，能够自动确定事件文本的关键词，且由于引入了其他数据库中的数据，使关键词的确定更加准确。

一种关键词确定方法，所述方法包括：

当接收到关键词提取指令时，获取事件文本；

采用ET-TAG模型引入背景词，提取所述事件文本的子话题；

合并所述子话题，得到目标子话题；

对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词；

通过关联度计算，从配置数据库中调取所述事件文本的关联词；

基于贡献值，从所述关联词中确定所述事件文本的第二关键词；

合并所述第一关键词及所述第二关键词，得到所述事件文本的目标关键词。

根据本发明优选实施例，所述采用ET-TAG模型引入背景词，提取所述事件文本的子话题包括：

基于所述ET-TAG模型，采用PLSA-BLM算法计算在所述事件文本中出现的概率大于预设概率的词作为所述背景词；

从所述事件文本中删除所述背景词，得到更新文本；

从所述更新文本中提取话题，作为所述事件文本的子话题。

根据本发明优选实施例，所述合并所述子话题，得到目标子话题包括：

采用KL散度算法计算所述子话题间的散度；

当所述子话题中有两个子话题间的散度小于配置阈值时，合并所述两个子话题；

将合并后的所述子话题确定为所述目标子话题。

根据本发明优选实施例，所述对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词包括：

抽取所述目标子话题中的标签词语；

采用Lasso分类模型对所述标签词语进行线性回归分析，以计算所述标签词语的评分；

获取所述标签词语中评分大于或者等于预设值的词语，作为所述第一关键词。

根据本发明优选实施例，所述抽取所述目标子话题中的标签词语包括：

获取所述目标子话题中的所有词语；

采用PLSA-BLM算法，计算所述所有词语的词频；

根据所述所有词语的词频，对所述所有词语进行排序；

筛选出所述所有词语中处于预设位置的词语作为所述标签词语。

根据本发明优选实施例，所述通过关联度计算，从配置数据库中调取所述事件文本的关联词包括：

计算所述配置数据库中的所有词语与所述事件文本的关联度；

获取所述关联度大于或者等于配置关联度的词语作为与所述事件文本相关的词语；

对与所述事件文本相关的词语进行分词预处理，得到所述关联词。

根据本发明优选实施例，所述基于贡献值，从所述关联词中确定所述事件文本的第二关键词包括：

计算所述关联词对所述第一关键词的贡献值；

获取贡献值最高的关联词作为所述第二关键词。

一种关键词确定装置，所述装置包括：

获取单元，用于当接收到关键词提取指令时，获取事件文本；

提取单元，用于采用ET-TAG模型引入背景词，提取所述事件文本的子话题；

合并单元，用于合并所述子话题，得到目标子话题；

学习单元，用于对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词；

调取单元，用于通过关联度计算，从配置数据库中调取所述事件文本的关联词；

确定单元，用于基于贡献值，从所述关联词中确定所述事件文本的第二关键词；

所述合并单元，还用于合并所述第一关键词及所述第二关键词，得到所述事件文本的目标关键词。

根据本发明优选实施例，所述提取单元具体用于：

基于所述ET-TAG模型，采用PLSA-BLM算法计算在所述事件文本中出现的概率大于预设概率的词作为所述背景词；

从所述事件文本中删除所述背景词，得到更新文本；

从所述更新文本中提取话题，作为所述事件文本的子话题。

根据本发明优选实施例，所述合并单元合并所述子话题，得到目标子话题包括：

采用KL散度算法计算所述子话题间的散度；

当所述子话题中有两个子话题间的散度小于配置阈值时，合并所述两个子话题；

将合并后的所述子话题确定为所述目标子话题。

根据本发明优选实施例，所述学习单元具体用于：

抽取所述目标子话题中的标签词语；

采用Lasso分类模型对所述标签词语进行线性回归分析，以计算所述标签词语的评分；

获取所述标签词语中评分大于或者等于预设值的词语，作为所述第一关键词。

根据本发明优选实施例，所述学习单元抽取所述目标子话题中的标签词语包括：

获取所述目标子话题中的所有词语；

采用PLSA-BLM算法，计算所述所有词语的词频；

根据所述所有词语的词频，对所述所有词语进行排序；

筛选出所述所有词语中处于预设位置的词语作为所述标签词语。

根据本发明优选实施例，所述调取单元具体用于：

计算所述配置数据库中的所有词语与所述事件文本的关联度；

获取所述关联度大于或者等于配置关联度的词语作为与所述事件文本相关的词语；

对与所述事件文本相关的词语进行分词预处理，得到所述关联词。

根据本发明优选实施例，所述确定单元具体用于：

计算所述关联词对所述第一关键词的贡献值；

获取贡献值最高的关联词作为所述第二关键词。

一种电子设备，所述电子设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现所述关键词确定方法。

一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现所述关键词确定方法。

由以上技术方案可以看出，本发明能够当接收到关键词提取指令时，获取事件文本，并采用ET-TAG模型引入背景词，提取所述事件文本的子话题，使关键词提取更加准确，进一步合并所述子话题，得到目标子话题，并对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词，再通过关联度计算，从配置数据库中调取所述事件文本的关联词，基于贡献值，从所述关联词中确定所述事件文本的第二关键词，进而引入外部数据作为扩展数据，合并所述第一关键词及所述第二关键词，得到所述事件文本的目标关键词，从而自动确定事件文本的关键词，且由于引入了其他数据库中的数据，使关键词的确定更加准确。

附图说明

图1是本发明关键词确定方法的较佳实施例的流程图。

图2是本发明关键词确定装置的较佳实施例的功能模块图。

图3是本发明实现关键词确定方法的较佳实施例的电子设备的结构示意图。

主要元件符号说明

电子设备	1
		存储器	12
处理器	13
		关键词确定装置	11
获取单元	110
		提取单元	111
合并单元	112
		学习单元	113
调取单元	114
		确定单元	115

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

如图1所示，是本发明关键词确定方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。

所述关键词确定方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital SignalProcessor，DSP)、嵌入式设备等。

所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。

所述电子设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。

所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。

S10，当接收到关键词提取指令时，获取事件文本。

在本发明的至少一个实施例中，所述关键词提取指令可以由用户触发，本发明不限制。

在本发明的至少一个实施例中，所述事件文本是指与舆论事件相关的新闻报道等文章。

S11，采用ET-TAG模型引入背景词，提取所述事件文本的子话题。

在本发明的至少一个实施例中，所述电子设备采用ET-TAG模型引入背景词，提取所述事件文本的子话题包括：

所述电子设备基于所述ET-TAG模型，采用PLSA-BLM(probabilitistic LatentSemantic Analysis)算法，引入背景词，并从所述事件文本中删除所述背景词，得到更新文本，所述电子设备从所述更新文本中提取话题，作为所述事件文本的子话题。

具体地，所述电子设备首先载入需要提取关键词的事件文本，并利用ET-TAG模型从词分布的角度发现事件子话题的特性。

进一步地，在ET-TAG模型中，采用有监督的思想，从外部的知识库引入特定类别舆情事件的概念体系，将其当作事件内部子话题的标签可以提高标签的可理解性，再通过所述ET-TAG模型中的PLSA-BLM算法，针对文本中的隐含主题进行建模。

更进一步地，所述电子设备在原有主题A、B、C...的基础上，引入背景主题X，并在引入所述背景主题X之后，将原有主题中大量出现的高频词、停用词等归纳到所述背景主题X中，这部分词对于主题提取将不会有影响。

通过上述实施方式，在剔除这一部分冗余词汇以后，模型就可以根据鲜明的主题特征提取出所述事件文本的子话题。

S12，合并所述子话题，得到目标子话题。

可以理解的是，利用PLSA-BLM算法，提取出每个子话题的同时能够得到不同的词频分布，但是得到的词频分布有可能有很强的近似性。因此，所述电子设备将利用得到的不同子话题间词频分布的差异来度量所述子话题之间的差别，并对所述子话题进行合并。

在本发明的至少一个实施例中，所述电子设备合并所述子话题，得到目标子话题包括：

所述电子设备采用KL散度(Kullback-Leibler Divergence，K-L)算法计算所述子话题间的散度，当所述子话题中有两个子话题间的散度小于配置阈值时，所述电子设备合并所述两个子话题，并将合并后的所述子话题确定为所述目标子话题。

具体地，所述电子设备在得到的各个子话题上运用KL散度算法计算所述子话题间的散度，KL散度算法也称为相对熵，可以衡量相同事件空间下两个分布的差异。根据信息论中的定义，KL散度的物理意义是在相同的事件空间下，概率P(x)若用Q(x)编码，平均每个符号编码长度增加了多少比特，用D(P||Q)来表示，其计算公式为：D(P||Q)＝∑P(x)log(P(x)/Q(x))，进而计算不同子话题下词频分布的距离。

进一步地，当所述子话题中有两个子话题间的散度(距离)小于配置阈值时，所述电子设备合并所述两个子话题，并将合并后的所述子话题确定为所述目标子话题。

通过上述实施方式，所述电子设备能够去除冗余，并提高子话题划分精确度，使得到的所述目标子话题更加准确。

S13，对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词。

在本发明的至少一个实施例中，所述电子设备对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词包括：

所述电子设备抽取所述目标子话题中的标签词语，并采用Lasso分类模型对所述标签词语进行线性回归分析，以计算所述标签词语的评分，所述电子设备获取所述标签词语中评分大于或者等于预设值的词语，作为所述第一关键词。

其中，基于self-attention算法的Lasso分类模型是一种用于线性回归特征缩减和选择的模型，通过Lasso分类模型，能够对所述目标子话题中的标签词语进行特征学习。

具体地，所述电子设备构造标准训练集D＝{(x1，y1)，(x2，y2),…，(xi，yi)}，其中，xi表示各个标签词语的词向量，yi表示各词向量和所属子话题的相关系数。

进一步地，所述电子设备使用Lasso分类模型计算所述标签词语的评分。每一个候选标签词语的得分等于Lasso分类模型给出的权重得分βi。且βi的值越大，则该标签词语与该子话题的关联性越强，因此，所述电子设备将βi词最大的标签词语作为所属子话题的关键词，即作为所述第一关键词。

在本发明的至少一个实施例中，所述电子设备抽取所述目标子话题中的标签词语包括：

所述电子设备获取所述目标子话题中的所有词语，并采用PLSA-BLM算法，计算所述所有词语的词频，所述电子设备根据所述所有词语的词频，对所述所有词语进行排序，并筛选出所述所有词语中处于预设位置的词语作为所述标签词语。

其中，所述预设位置可以进行自定义配置，以便获取到满足数量需求的所述标签词语。

例如：在所述子话题合并之后，将每个子话题下的词语按照词频降序排列，词频越高说明这个词在当前子话题下越有代表性，所述电子设备截取频率最高的k(例如：k＝100)个词，并将所述频率最高的k个词作为所述标签词语。

通过上述实施方式，能够获取到足够且准确的标签词语，以供后续特征学习使用。

S14，通过关联度计算，从配置数据库中调取所述事件文本的关联词。

在本发明的至少一个实施例中，所述配置数据库可以是任意形式的数据库，所述配置数据库中存储着所有与事件(时事、新闻等)相关的文本报道、评论性文章等。

例如：所述电子设备调用搜索引擎中和所述事件文本相关的知识库。

可以理解的是，扩展关键词需要一些包含和所述事件文本相关的舆情事件的知识库，这些知识库涵盖了所在领域的各个方面的信息。依据知识库可对所述事件文本进行不同侧面的信息汇总，扩展关键词的过程实质上是建立关键词到舆情知识库事件概念体系的映射关系，从而利用相关词汇进行扩展。

具体地，所述电子设备通过关联度计算，从配置数据库中调取所述事件文本的关联词包括：

所述电子设备计算所述配置数据库中的所有词语与所述事件文本的关联度，获取所述关联度大于或者等于配置关联度的词语作为与所述事件文本相关的词语，并对与所述事件文本相关的词语进行分词预处理，得到所述关联词。

其中，所述配置关联度可以进行自定义设置，本发明不限制。

例如：所述电子设备对知识库数据按内部概念进行整理、分词预处理，以计算出知识库中的每一个词和所述第一关键词相关的概率。

通过上述实施方式，能够引入外部数据库中的数据作为基础，使关键字的确定更加准确。

S15，基于贡献值，从所述关联词中确定所述事件文本的第二关键词。

在本发明的至少一个实施例中，所述电子设备基于贡献值，从所述关联词中确定所述事件文本的第二关键词包括：

所述电子设备计算所述关联词对所述第一关键词的贡献值，并获取贡献值最高的关联词作为所述第二关键词。

通过上述实施方式，将对所述第一关键词贡献值最大的词作为所述第二关键词，从而实现对关键词的扩展。

S16，合并所述第一关键词及所述第二关键词，得到所述事件文本的目标关键词。

在本发明的至少一个实施例中，所述电子设备将子关键词的扩展触发词汇总后得到子话题的扩展触发词。最后汇总后得到整个文本扩展的触发词，实现将子关键词的扩展触发词汇总后得到所述事件文本的扩展触发词。

由以上技术方案可以看出，本发明能够当接收到关键词提取指令时，获取事件文本，并采用ET-TAG模型引入背景词，提取所述事件文本的子话题，使关键词提取更加准确，进一步合并所述子话题，得到目标子话题，并对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词，再通过关联度计算，从配置数据库中调取所述事件文本的关联词，基于贡献值，从所述关联词中确定所述事件文本的第二关键词，进而引入外部数据作为扩展数据，合并所述第一关键词及所述第二关键词，得到所述事件文本的目标关键词，从而自动确定事件文本的关键词，且由于引入了其他数据库中的数据，使关键词的确定更加准确。

如图2所示，是本发明关键词确定装置的较佳实施例的功能模块图。所述关键词确定装置11包括获取单元110、提取单元111、合并单元112、学习单元113、调取单元114及确定单元115。本发明所称的模块/单元是指一种能够被处理器13所执行，并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。

当接收到关键词提取指令时，获取单元110获取事件文本。

在本发明的至少一个实施例中，所述关键词提取指令可以由用户触发，本发明不限制。

在本发明的至少一个实施例中，所述事件文本是指与舆论事件相关的新闻报道等文章。

提取单元111采用ET-TAG模型引入背景词，提取所述事件文本的子话题。

在本发明的至少一个实施例中，所述提取单元111采用ET-TAG模型引入背景词，提取所述事件文本的子话题包括：

所述提取单元111基于所述ET-TAG模型，采用PLSA-BLM(probabilitistic LatentSemantic Analysis)算法，引入背景词，并从所述事件文本中删除所述背景词，得到更新文本，所述提取单元111从所述更新文本中提取话题，作为所述事件文本的子话题。

具体地，所述提取单元111首先载入需要提取关键词的事件文本，并利用ET-TAG模型从词分布的角度发现事件子话题的特性。

进一步地，在ET-TAG模型中，采用有监督的思想，从外部的知识库引入特定类别舆情事件的概念体系，将其当作事件内部子话题的标签可以提高标签的可理解性，再通过所述ET-TAG模型中的PLSA-BLM算法，针对文本中的隐含主题进行建模。

更进一步地，所述提取单元111在原有主题A、B、C...的基础上，引入背景主题X，并在引入所述背景主题X之后，将原有主题中大量出现的高频词、停用词等归纳到所述背景主题X中，这部分词对于主题提取将不会有影响。

通过上述实施方式，在剔除这一部分冗余词汇以后，模型就可以根据鲜明的主题特征提取出所述事件文本的子话题。

合并单元112合并所述子话题，得到目标子话题。

可以理解的是，利用PLSA-BLM算法，提取出每个子话题的同时能够得到不同的词频分布，但是得到的词频分布有可能有很强的近似性。因此，所述合并单元112将利用得到的不同子话题间词频分布的差异来度量所述子话题之间的差别，并对所述子话题进行合并。

在本发明的至少一个实施例中，所述合并单元112合并所述子话题，得到目标子话题包括：

所述合并单元112采用KL散度(Kullback-Leibler Divergence，K-L)算法计算所述子话题间的散度，当所述子话题中有两个子话题间的散度小于配置阈值时，所述合并单元112合并所述两个子话题，并将合并后的所述子话题确定为所述目标子话题。

具体地，所述合并单元112在得到的各个子话题上运用KL散度算法计算所述子话题间的散度，KL散度算法也称为相对熵，可以衡量相同事件空间下两个分布的差异。根据信息论中的定义，KL散度的物理意义是在相同的事件空间下，概率P(x)若用Q(x)编码，平均每个符号编码长度增加了多少比特，用D(P||Q)来表示，其计算公式为：D(P||Q)＝∑P(x)log(P(x)/Q(x))，进而计算不同子话题下词频分布的距离。

进一步地，当所述子话题中有两个子话题间的散度(距离)小于配置阈值时，所述合并单元112合并所述两个子话题，并将合并后的所述子话题确定为所述目标子话题。

通过上述实施方式，能够去除冗余，并提高子话题划分精确度，使得到的所述目标子话题更加准确。

学习单元113对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词。

在本发明的至少一个实施例中，所述学习单元113对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词包括：

所述学习单元113抽取所述目标子话题中的标签词语，并采用Lasso分类模型对所述标签词语进行线性回归分析，以计算所述标签词语的评分，所述学习单元113获取所述标签词语中评分大于或者等于预设值的词语，作为所述第一关键词。

其中，基于self-attention算法的Lasso分类模型是一种用于线性回归特征缩减和选择的模型，通过Lasso分类模型，能够对所述目标子话题中的标签词语进行特征学习。

具体地，所述学习单元113构造标准训练集D＝{(x1，y1)，(x2，y2),…，(xi，yi)}，其中，xi表示各个标签词语的词向量，yi表示各词向量和所属子话题的相关系数。

进一步地，所述学习单元113使用Lasso分类模型计算所述标签词语的评分。每一个候选标签词语的得分等于Lasso分类模型给出的权重得分βi。且βi的值越大，则该标签词语与该子话题的关联性越强，因此，所述学习单元113将βi词最大的标签词语作为所属子话题的关键词，即作为所述第一关键词。

在本发明的至少一个实施例中，所述学习单元113抽取所述目标子话题中的标签词语包括：

所述学习单元113获取所述目标子话题中的所有词语，并采用PLSA-BLM算法，计算所述所有词语的词频，所述学习单元113根据所述所有词语的词频，对所述所有词语进行排序，并筛选出所述所有词语中处于预设位置的词语作为所述标签词语。

其中，所述预设位置可以进行自定义配置，以便获取到满足数量需求的所述标签词语。

例如：在所述子话题合并之后，将每个子话题下的词语按照词频降序排列，词频越高说明这个词在当前子话题下越有代表性，所述学习单元113截取频率最高的k(例如：k＝100)个词，并将所述频率最高的k个词作为所述标签词语。

通过上述实施方式，能够获取到足够且准确的标签词语，以供后续特征学习使用。

调取单元114通过关联度计算，从配置数据库中调取所述事件文本的关联词。

在本发明的至少一个实施例中，所述配置数据库可以是任意形式的数据库，所述配置数据库中存储着所有与事件(时事、新闻等)相关的文本报道、评论性文章等。

例如：所述调取单元114调用搜索引擎中和所述事件文本相关的知识库。

可以理解的是，扩展关键词需要一些包含和所述事件文本相关的舆情事件的知识库，这些知识库涵盖了所在领域的各个方面的信息。依据知识库可对所述事件文本进行不同侧面的信息汇总，扩展关键词的过程实质上是建立关键词到舆情知识库事件概念体系的映射关系，从而利用相关词汇进行扩展。

具体地，所述调取单元114通过关联度计算，从配置数据库中调取所述事件文本的关联词包括：

所述调取单元114计算所述配置数据库中的所有词语与所述事件文本的关联度，获取所述关联度大于或者等于配置关联度的词语作为与所述事件文本相关的词语，并对与所述事件文本相关的词语进行分词预处理，得到所述关联词。

其中，所述配置关联度可以进行自定义设置，本发明不限制。

例如：所述调取单元114对知识库数据按内部概念进行整理、分词预处理，以计算出知识库中的每一个词和所述第一关键词相关的概率。

通过上述实施方式，能够引入外部数据库中的数据作为基础，使关键字的确定更加准确。

确定单元115基于贡献值，从所述关联词中确定所述事件文本的第二关键词。

在本发明的至少一个实施例中，所述确定单元115基于贡献值，从所述关联词中确定所述事件文本的第二关键词包括：

所述确定单元115计算所述关联词对所述第一关键词的贡献值，并获取贡献值最高的关联词作为所述第二关键词。

通过上述实施方式，将对所述第一关键词贡献值最大的词作为所述第二关键词，从而实现对关键词的扩展。

所述合并单元112合并所述第一关键词及所述第二关键词，得到所述事件文本的目标关键词。

在本发明的至少一个实施例中，所述合并单元112将子关键词的扩展触发词汇总后得到子话题的扩展触发词。最后汇总后得到整个文本扩展的触发词，实现将子关键词的扩展触发词汇总后得到所述事件文本的扩展触发词。

由以上技术方案可以看出，本发明能够当接收到关键词提取指令时，获取事件文本，并采用ET-TAG模型引入背景词，提取所述事件文本的子话题，使关键词提取更加准确，进一步合并所述子话题，得到目标子话题，并对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词，再通过关联度计算，从配置数据库中调取所述事件文本的关联词，基于贡献值，从所述关联词中确定所述事件文本的第二关键词，进而引入外部数据作为扩展数据，合并所述第一关键词及所述第二关键词，得到所述事件文本的目标关键词，从而自动确定事件文本的关键词，且由于引入了其他数据库中的数据，使关键词的确定更加准确。

如图3所示，是本发明实现关键词确定方法的较佳实施例的电子设备的结构示意图。

所述电子设备1是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述电子设备1还可以是但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(InternetProtocol Television，IPTV)、智能式穿戴式设备等。

所述电子设备1还可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。

所述电子设备1所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。

在本发明的一个实施例中，所述电子设备1包括，但不限于，存储器12、处理器13，以及存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如关键词确定程序。

本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。

所述处理器13可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器13是所述电子设备1的运算核心和控制中心，利用各种接口和线路连接整个电子设备1的各个部分，及执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。

所述处理器13执行所述电子设备1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个关键词确定方法实施例中的步骤，例如图1所示的步骤S10、S11、S12、S13、S14、S15、S16。

或者，所述处理器13执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如：当接收到关键词提取指令时，获取事件文本；采用ET-TAG模型引入背景词，提取所述事件文本的子话题；合并所述子话题，得到目标子话题；对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词；通过关联度计算，从配置数据库中调取所述事件文本的关联词；基于贡献值，从所述关联词中确定所述事件文本的第二关键词；合并所述第一关键词及所述第二关键词，得到所述事件文本的目标关键词。

示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述电子设备1中的执行过程。例如，所述计算机程序可以被分割成获取单元110、提取单元111、合并单元112、学习单元113、调取单元114及确定单元115。

所述存储器12可用于存储所述计算机程序和/或模块，所述处理器13通过运行或执行存储在所述存储器12内的计算机程序和/或模块，以及调用存储在存储器12内的数据，实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器12可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地，所述存储器12可以是集成电路中没有实物形式的具有存储功能的电路，如RAM(Random-AccessMemory，随机存取存储器)、FIFO(First In First Out，)等。或者，所述存储器12也可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)等等。

所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。

其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

结合图1，所述电子设备1中的所述存储器12存储多个指令以实现一种关键词确定方法，所述处理器13可执行所述多个指令从而实现：当接收到关键词提取指令时，获取事件文本；采用ET-TAG模型引入背景词，提取所述事件文本的子话题；合并所述子话题，得到目标子话题；对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词；通过关联度计算，从配置数据库中调取所述事件文本的关联词；基于贡献值，从所述关联词中确定所述事件文本的第二关键词；合并所述第一关键词及所述第二关键词，得到所述事件文本的目标关键词。

根据本发明优选实施例，所述处理器13执行多个指令包括：

基于所述ET-TAG模型，采用PLSA-BLM算法计算在所述事件文本中出现的概率大于预设概率的词作为所述背景词；

从所述事件文本中删除所述背景词，得到更新文本；

从所述更新文本中提取话题，作为所述事件文本的子话题。

根据本发明优选实施例，所述处理器13还执行多个指令包括：

采用KL散度算法计算所述子话题间的散度；

当所述子话题中有两个子话题间的散度小于配置阈值时，合并所述两个子话题；

将合并后的所述子话题确定为所述目标子话题。

根据本发明优选实施例，所述处理器13还执行多个指令包括：

抽取所述目标子话题中的标签词语；

采用Lasso分类模型对所述标签词语进行线性回归分析，以计算所述标签词语的评分；

获取所述标签词语中评分大于或者等于预设值的词语，作为所述第一关键词。

根据本发明优选实施例，所述处理器13还执行多个指令包括：

获取所述目标子话题中的所有词语；

采用PLSA-BLM算法，计算所述所有词语的词频；

根据所述所有词语的词频，对所述所有词语进行排序；

筛选出所述所有词语中处于预设位置的词语作为所述标签词语。

根据本发明优选实施例，所述处理器13还执行多个指令包括：

计算所述配置数据库中的所有词语与所述事件文本的关联度；

获取所述关联度大于或者等于配置关联度的词语作为与所述事件文本相关的词语；

对与所述事件文本相关的词语进行分词预处理，得到所述关联词。

根据本发明优选实施例，所述处理器13还执行多个指令包括：

计算所述关联词对所述第一关键词的贡献值；

获取贡献值最高的关联词作为所述第二关键词。

具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种关键词确定方法，其特征在于，所述方法包括：

当接收到关键词提取指令时，获取事件文本；

采用ET-TAG模型引入背景词，以提取所述事件文本的子话题；

合并所述子话题，得到目标子话题；

对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词；

通过关联度计算，从配置数据库中调取所述事件文本的关联词；

基于贡献值，从所述关联词中确定所述事件文本的第二关键词；

合并所述第一关键词及所述第二关键词，得到所述事件文本的目标关键词。

2.如权利要求1所述的关键词确定方法，其特征在于，所述采用ET-TAG模型引入背景词，提取所述事件文本的子话题包括：

基于所述ET-TAG模型，采用PLSA-BLM算法计算在所述事件文本中出现的概率大于预设概率的词作为所述背景词；

从所述事件文本中删除所述背景词，得到更新文本；

从所述更新文本中提取话题，作为所述事件文本的子话题。

3.如权利要求1所述的关键词确定方法，其特征在于，所述合并所述子话题，得到目标子话题包括：

采用KL散度算法计算所述子话题间的散度；

当所述子话题中有两个子话题间的散度小于配置阈值时，合并所述两个子话题；

将合并后的所述子话题确定为所述目标子话题。

4.如权利要求1所述的关键词确定方法，其特征在于，所述对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词包括：

抽取所述目标子话题中的标签词语；

采用Lasso分类模型对所述标签词语进行线性回归分析，以计算所述标签词语的评分；

获取所述标签词语中评分大于或者等于预设值的词语，作为所述第一关键词。

5.如权利要求4所述的关键词确定方法，其特征在于，所述抽取所述目标子话题中的标签词语包括：

获取所述目标子话题中的所有词语；

采用PLSA-BLM算法，计算所述所有词语的词频；

根据所述所有词语的词频，对所述所有词语进行排序；

筛选出所述所有词语中处于预设位置的词语作为所述标签词语。

6.如权利要求1所述的关键词确定方法，其特征在于，所述通过关联度计算，从配置数据库中调取所述事件文本的关联词包括：

计算所述配置数据库中的所有词语与所述事件文本的关联度；

获取所述关联度大于或者等于配置关联度的词语作为与所述事件文本相关的词语；

对与所述事件文本相关的词语进行分词预处理，得到所述关联词。

7.如权利要求1所述的关键词确定方法，其特征在于，所述基于贡献值，从所述关联词中确定所述事件文本的第二关键词包括：

计算所述关联词对所述第一关键词的贡献值；

获取贡献值最高的关联词作为所述第二关键词。

8.一种关键词确定装置，其特征在于，所述装置包括：

获取单元，用于当接收到关键词提取指令时，获取事件文本；

提取单元，用于采用ET-TAG模型引入背景词，提取所述事件文本的子话题；

合并单元，用于合并所述子话题，得到目标子话题；

学习单元，用于对所述目标子话题进行特征学习，得到所述目标子话题的第一关键词；

调取单元，用于通过关联度计算，从配置数据库中调取所述事件文本的关联词；

确定单元，用于基于贡献值，从所述关联词中确定所述事件文本的第二关键词；

所述合并单元，还用于合并所述第一关键词及所述第二关键词，得到所述事件文本的目标关键词。

9.一种电子设备，其特征在于，所述电子设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的关键词确定方法。

10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的关键词确定方法。