CN112650830B - 关键词提取方法、装置、电子设备和存储介质 - Google Patents

Abstract

本公开提供一种关键词提取方法、装置、电子设备和存储介质。该方法的一具体实施方式包括：对目标文本对应的候选关键词集合中各候选关键词进行向量表示得到对应的向量；对各候选关键词对应的向量进行异常点检测，得到异常点向量集合；删除候选关键词集合中与各异常点向量对应的关键词；将候选关键词集合确定为与目标文本对应的关键词集合。该实施方式提高了关键词提取的准确度。

Description

关键词提取方法、装置、电子设备和存储介质

技术领域

本公开的实施例涉及自然语言处理技术领域，具体涉及关键词提取方法、装置、电子设备和存储介质。

背景技术

随着文本信息爆发式地增长，为了方便人们快速了解某篇文本内容，一种重要方式是为人们提取能够确切反映文本内容的关键词。

关键词提取通常可以分为两种方法：有监督方法和无监督方法。其中，有监督方法需要大量的人工标注数据，成本较高；而目前的无监督方法提取出来的关键词往往包含很多“杂质”，即其中存在与文本内容无关、或相关性较低的非关键词，因此提取出来的关键词准确度较低。

发明内容

本公开的实施例提出了关键词提取方法、装置、电子设备和存储介质。

第一方面，本公开的实施例提供了一种关键词提取方法，该方法包括：对目标文本对应的候选关键词集合中各候选关键词进行向量表示得到对应的向量；对各上述候选关键词对应的向量进行异常点检测，得到异常点向量集合；删除上述候选关键词集合中与各上述异常点向量对应的关键词；将上述候选关键词集合确定为与上述目标文本对应的关键词集合。

在一些可选的实施方式中，上述目标文本对应的候选关键词通过如下方式生成：对上述目标文本进行关键词提取，得到对应的候选关键词集合。

在一些可选的实施方式中，上述目标文本通过如下方式生成：获取待识别语音数据；对上述待识别语音数据进行自动语音识别得到上述目标文本。

在一些可选的实施方式中，上述待识别语音数据为目标音视频会议的音频数据。

在一些可选的实施方式中，上述对上述目标文本进行关键词提取，得到对应的候选关键词集合，包括：基于无监督关键词提取方法对上述目标文本进行关键词提取，得到对应的候选关键词集合。

在一些可选的实施方式中，上述无监督关键词提取方法为词频-逆文本频率指数方法、Textrank方法、文档主题生成模型中的任意一种。

在一些可选的实施方式中，上述对各上述候选关键词对应的向量进行异常点检测，得到异常点向量集合，包括：利用局部异常因子算法、孤立森林算法或者支持向量机异常检测法对各上述候选关键词对应的向量进行异常点检测，得到异常点向量集合。

在一些可选的实施方式中，上述对目标文本对应的候选关键词集合中各候选关键词进行向量表示得到对应的向量，包括：分别将上述候选关键词集合中各候选关键词输入词向量化模型，得到对应的向量。

第二方面，本公开的实施例提供了一种关键词提取装置，该装置包括：向量表示单元，被配置成对目标文本对应的候选关键词集合中各候选关键词进行向量表示得到对应的向量；异常检测单元，被配置成对各上述候选关键词对应的向量进行异常点检测，得到异常点向量集合；删除单元，被配置成删除上述候选关键词集合中与各上述异常点向量对应的关键词；确定单元，被配置成将上述候选关键词集合确定为与上述目标文本对应的关键词集合。

在一些可选的实施方式中，上述目标文本对应的候选关键词通过如下方式生成：对上述目标文本进行关键词提取，得到对应的候选关键词集合。

在一些可选的实施方式中，上述目标文本通过如下方式生成：获取待识别语音数据；对上述待识别语音数据进行自动语音识别得到上述目标文本。

在一些可选的实施方式中，上述待识别语音数据为目标音视频会议的音频数据。

在一些可选的实施方式中，上述对上述目标文本进行关键词提取，得到对应的候选关键词集合，包括：基于无监督关键词提取方法对上述目标文本进行关键词提取，得到对应的候选关键词集合。

在一些可选的实施方式中，上述无监督关键词提取方法为词频-逆文本频率指数方法、Textrank方法、文档主题生成模型中的任意一种。

在一些可选的实施方式中，上述异常检测单元进一步被配置成：利用局部异常因子算法、孤立森林算法或者支持向量机异常检测法对各上述候选关键词对应的向量进行异常点检测，得到异常点向量集合。

在一些可选的实施方式中，上述向量表示单元进一步被配置成：分别将上述候选关键词集合中各候选关键词输入词向量化模型，得到对应的向量。

第三方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被一个或多个处理器执行时实现如第一方面中任一实现方式描述的方法。

为了提高现有关键词提取方法的准确度，本公开的实施例提供的关键词提取方法、装置、电子设备和存储介质，通过将已提取的关键词集合中各关键词进行向量化表示，再通过利用异常点检测方法检测出其中的异常向量，进而将已提取的关键词集合中与异常向量对应的关键词删除，即实现了对已提取的关键词进行过滤，删除掉与文本内容不相关或者相关性较低的关键词(或者称为异常关键词)，提高了关键词提取的准确度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显。附图仅用于示出具体实施方式的目的，而并不认为是对本发明的限制。在附图中：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的关键词提取方法的一个实施例的流程图；

图3是根据本公开的关键词提取方法的又一个实施例的流程图；

图4是根据本公开的关键词提取装置的一个实施例的结构示意图；

图5是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的关键词提取方法、装置、电子设备和存储介质的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如自然语言处理类应用、语音识别类应用、短视频社交类应用、音视频会议类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有声音采集设备(例如麦克风)、视频采集设备(例如摄像头)和显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(MovingPicture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的终端设备中。其可以实现成多个软件或软件模块(例如用来提供关键词提取服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

在一些情况下，本公开所提供的关键词提取方法可以由终端设备101、102、103执行，相应地，关键词提取装置可以设置于终端设备101、102、103中。这时，系统架构100也可以不包括服务器105。

在一些情况下，本公开所提供的关键词提取方法可以由终端设备101、102、103和服务器105共同执行，例如，“对目标文本对应的候选关键词集合中各候选关键词进行向量表示得到对应的向量”的步骤可以由终端设备101、102、103执行，“对各候选关键词对应的向量进行异常点检测，得到异常点向量集合”等步骤可以由服务器105执行。本公开对此不做限定。相应地，关键词提取装置也可以分别设置于终端设备101、102、103和服务器105中。

在一些情况下，本公开所提供的关键词提取方法可以由服务器105执行，相应地，关键词提取装置也可以设置于服务器105中，这时，系统架构100也可以不包括终端设备101、102、103。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本公开的关键词提取方法的一个实施例的流程200，该关键词提取方法包括以下步骤：

步骤201，对目标文本对应的候选关键词集合中各候选关键词进行向量表示得到对应的向量。

在本实施例中，关键词提取方法的执行主体(例如图1所示的服务器)可以首先获取目标文本对应的候选关键词集合。然后为了后续步骤，需要再对候选关键词集合中各候选关键词进行向量表示得到对应的向量，以便后续计算使用。

需要说明的是，如何对词进行向量表示是目前广泛研究和应用的现有技术，在此不做具体限定。例如，可以采用One Hot(独热)方法和分布式表示方法，而其中分布式表示方法可以包括：基于矩阵的分布式表示、基于聚类的分布式表示或者基于神经网络的分布式表示等。当然，实践中可以采用现有的词向量表示工具，例如：Glove、word2vec、fasttext、WordRank等来对各候选关键词进行向量表示。

在一些可选的实施方式中，步骤201可以如下进行：分别将候选关键词集合中各候选关键词输入词向量化模型，得到对应的向量。这里，词向量化模型可以是基于大量语料库预先训练的基于神经网络的分布式表示模型。按照该可选实施方式，可以语义近似的词之间的向量相似度也较高，可以更加利于对词的语义进行描述，进而可以提高关键词提取的准确度。

步骤202，对各候选关键词对应的向量进行异常点检测，得到异常点向量集合。

步骤201中已经得到各候选关键词对应的向量，而各候选关键词的向量用于表征该候选关键词的语义。而目标文本的关键词用于表征目标文本的语义，通常而言目标文本的内容会围绕相关的内容或者主题进行，进而目标文本的各关键词的语义应比较接近，进而目标文本的各关键词对应的向量之间也会比较接近。因此，为了过滤出各候选关键词中的与目标文本内容无关的关键词，也可以称为异常关键词，可以对各候选关键词对应的向量进行异常点检测，得到异常点向量集合，进而异常点向量集合中各异常点向量对应的候选关键词可以认为是与目标文本内容不相关的异常关键词。这里，可以采用各种异常点检测算法，本申请对此不做具体限定。

在一些可选的实施方式中，可以利用局部异常因子(LOF，Local Outlier Factor)算法、孤立森林(Isolate Forest)算法或者支持向量机异常检测法对各上述候选关键词对应的向量进行异常点检测，得到异常点向量集合。

步骤203，删除候选关键词集合中与各异常点向量对应的关键词。

在步骤202中已经得到异常点向量集合，而异常点向量集合中各异常点向量对应的候选关键词可以认为是异常关键词，进而删除候选关键词集合中与各异常点向量对应的关键词可以实现对候选关键词中的异常关键词进行删除，从而实现对异常关键词的过滤。

步骤204，将候选关键词集合确定为与目标文本对应的关键词集合。

由于步骤203中已经删除了候选关键词中与各异常点向量对应的关键词，即删除了候选关键词集合中的异常关键词，进而候选关键词集合中各关键词可以体现目标文本的主要内容，去除了“杂质”，即去除了与目标文本无关的异常关键词，继而可以将候选关键词集合确定为与目标文本对应的关键词集合。

本公开的上述实施例提供的关键词提取方法，通过对目标文本的候选关键词集合中各关键词进行向量化表示，再通过利用异常点检测方法检测出其中的异常点，进而将候选关键词集合中与异常点向量对应的关键词删除，即实现了对候选关键词进行过滤，删除掉与文本内容不相关或者相关性较低的关键词(或者称为异常关键词)，提高了关键词提取的准确度。

继续参考图3，其示出了根据本公开的关键词提取方法的又一个实施例的流程300。该关键词提取方法，包括以下步骤：

步骤301，获取目标音视频会议的音频数据作为待识别语音数据。

在本实施例中，关键词提取方法的执行主体(例如图1所示的终端设备101、102、103)可以本地获取目标音频会议或者目标视频会议的音频数据作为待识别语音数据。

例如，上述执行主体可以每隔预设时长(例如，两秒)从与上述执行主体数据通信的声音采集设备(例如，麦克风)实时采集当前正在进行的音视频会议的音频数据，然后可以将实时采集的音频数据作为待识别语音数据。

又例如，上述执行主体也可以获取本地存储的目标音视频会议的音频数据作为待识别语音数据。

在本实施例中，关键词提取方法的执行主体(例如图1所示的服务器)也可以或者远程地从与上述执行主体网络连接的其他电子设备(例如图1所示的终端设备101、102、103)获取目标音视频会议的音频数据作为待识别语音数据。

步骤302，对待识别语音数据进行语音识别，得到目标文本。

这里，可以采用各种现有或者未来开发的语音识别方法对步骤301中获取的待识别语音数据进行语音识别，得到目标文本，本申请对具体所采取的语音识别方法不做具体限定。

步骤303，对目标文本进行关键词提取，得到对应的候选关键词集合。

在本实施例中，上述执行主体可以采用各种实现方式对目标文本进行关键词提取，得到对应的候选关键词集合。

在一些可选的实施方式中，上述执行主体可以采用基于监督学习的关键词提取方法对目标文本进行关键词提取，得到对应的候选关键词集合。虽然，基于监督学习的关键词提取方法提取的候选关键词，由于经过人工标注，但人工标注依赖于个人经验，当标注数据不准确会导致提取关键词的准确度降低，而基于该可选实施方式得到的候关键词集合经过以下步骤304到步骤307，可以实现对候选关键词集合中的异常关键词进行过滤，进而可以实现在基于监督学习的关键词提取方法过程中人工标注不准确的情况下，可以实现对提取的关键词进行过滤，提高关键词提取准确度。

在一些可选的实施方式中，上述执行主体可以采用基于无监督关键词提取方法对目标文本进行关键词提取，得到对应的候选关键词集合。由于无监督关键词提取方法无需预先标注和训练，操作过程简单，计算复杂度低，但相对而言提取准确度低，在此基础上执行以下步骤304到步骤307，可以实现对候选关键词集合中的异常关键词进行过滤，进而可以实现在无需预先标注和训练，直接采用无监督的关键词提取方法提取关键词，并对提取的关键词进一步进行过滤，提高关键词提取准确度。作为示例，无监督关键词提取方法可以为词频-逆文本频率指数(TF-IDF，Term Frequency–Inverse Document Frequency)方法、Textrank方法、文档主题生成模型(LDA，Latent Dirichlet Allocation)中的任意一种。

步骤304，对目标文本对应的候选关键词集合中各候选关键词进行向量表示得到对应的向量。

步骤305，对各候选关键词对应的向量进行异常点检测，得到异常点向量集合。

步骤306，删除候选关键词集合中与各异常点向量对应的关键词。

步骤307，将候选关键词集合确定为与目标文本对应的关键词集合。

在本实施例中，步骤304、步骤305、步骤306和步骤307的具体操作及其所产生的技术效果与图2所示的实施例中步骤201、步骤202、步骤203和步骤204的操作及效果基本相同，在此不再赘述。

从图3中可以看出，与图2对应的实施例相比，本实施例中的关键词提取方法的流程300突出了目标文本是来自于对目标音视频会议的音频数据进行语音识别得到的文本，以及对目标文本进行关键词提取得到候选关键词，并在此基础上进行异常关键词删除的步骤。由此，本实施例描述的方案相对于仅仅对目标音视频会议的会议内容只进行关键词提取(例如采用基于监督学习的关键词提取方法或者基于非监督学习的关键词提取方法)得到会议内容关键词集合，可以实现在此基础上，对目标音视频会议的会议内容进行关键词提取所得到的关键词集合进一步删除其中与会议内容无关或者相关性较低的关键词，进而得到与会议内容更相关的关键词集合。在此基础上，当用户希望从多个音视频会议中根据会议内容关键词对会议内容进行查询时，可以实现包括但不限于以下技术效果：第一，由于每个会议内容对应的关键词数量相对未删除异常关键词的关键词数量减少了，可以减少查询的数据量，即可以减少计算量从而提高查询速度；第二，由于目标文本是来自于对目标音视频会议的音频数据进行语音识别得到的文本，而在语音识别过程中受语音识别效果的影响，目标文本本身可能会包括识别错误的字或词，从而对目标文本只进行关键词提取得到的关键词集合中可能会包括相对较多的与目标音视频会议内容不相关或者相关性较低的关键词，而在此基础上删除异常关键词，可以提高所得到的关键词与目标音视频会议内容的相关性；第三，还可以通过删除异常关键词数量的多少对语音识别的效果进行评价，如果删除异常关键词数量较多，则可以认为语音识别相对错误较多，而反之如果删除异常关键词数量较少，则可以认为语音识别相对错误较少；第四，在提取固定数量关键词的前提下，相对于没有删除异常关键词之前，那些原本被异常关键词占据的“名额”将由其它真正关键词代替，从而可以提高关键词的召回率。

进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种关键词提取装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例的关键词提取装置400包括：向量表示单元401、异常检测单元402、删除单元403和确定单元404。其中，向量表示单元401，被配置成对目标文本对应的候选关键词集合中各候选关键词进行向量表示得到对应的向量；异常检测单元402，被配置成对各上述候选关键词对应的向量进行异常点检测，得到异常点向量集合；删除单元403，被配置成删除上述候选关键词集合中与各上述异常点向量对应的关键词；确定单元404，被配置成将上述候选关键词集合确定为与上述目标文本对应的关键词集合。

在本实施例中，关键词提取装置400的向量表示单元401、异常检测单元402、删除单元403和确定单元404的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在一些可选的实施方式中，上述目标文本对应的候选关键词可以通过如下方式生成：对上述目标文本进行关键词提取，得到对应的候选关键词集合。

在一些可选的实施方式中，上述目标文本可以通过如下方式生成：获取待识别语音数据；对上述待识别语音数据进行自动语音识别得到上述目标文本。

在一些可选的实施方式中，上述待识别语音数据可以为目标音视频会议的音频数据。

在一些可选的实施方式中，上述对上述目标文本进行关键词提取，得到对应的候选关键词集合，可以包括：基于无监督关键词提取方法对上述目标文本进行关键词提取，得到对应的候选关键词集合。

在一些可选的实施方式中，上述无监督关键词提取方法可以为词频-逆文本频率指数方法、Textrank方法、文档主题生成模型中的任意一种。

在一些可选的实施方式中，上述异常检测单元402可以进一步被配置成：利用局部异常因子算法、孤立森林算法或者支持向量机异常检测法对各上述候选关键词对应的向量进行异常点检测，得到异常点向量集合。

在一些可选的实施方式中，上述向量表示单元401可以进一步被配置成：分别将上述候选关键词集合中各候选关键词输入词向量化模型，得到对应的向量。

需要说明的是，本公开的实施例提供的关键词提取装置中各单元的实现细节和技术效果可以参考本公开中其它实施例的说明，在此不再赘述。

下面参考图5，其示出了适于用来实现本公开的电子设备的计算机系统500的结构示意图。图5示出的计算机系统500仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有计算机系统500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许计算机系统500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备的计算机系统500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备实现如图2所示的实施例及其可选实施方式示出的关键词提取方法，和/或，如图3所示的实施例及其可选实施方式示出的关键词提取方法。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，向量表示单元还可以被描述为“对目标文本对应的候选关键词集合中各候选关键词进行向量表示得到对应的向量的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种关键词提取方法，包括：

获取待识别语音数据；

对所述待识别语音数据进行自动语音识别得到目标文本；

对所述目标文本对应的候选关键词集合中各候选关键词进行向量表示得到对应的向量；

对各所述候选关键词对应的向量进行异常点检测，得到异常点向量集合；

删除所述候选关键词集合中与各所述异常点向量对应的关键词；

将所述候选关键词集合确定为与所述目标文本对应的关键词集合。

2.根据权利要求1所述的方法，其中，所述目标文本对应的候选关键词通过如下方式生成：

对所述目标文本进行关键词提取，得到对应的候选关键词集合。

3.根据权利要求1或2所述的方法，其中，所述待识别语音数据为目标音视频会议的音频数据。

4.根据权利要求1或2所述的方法，其中，所述对所述目标文本进行关键词提取，得到对应的候选关键词集合，包括：

基于无监督关键词提取方法对所述目标文本进行关键词提取，得到对应的候选关键词集合。

5.根据权利要求4所述的方法，其中，所述无监督关键词提取方法为词频-逆文本频率指数方法、Textrank方法、文档主题生成模型中的任意一种。

6.根据权利要求1或2所述的方法，其中，所述对各所述候选关键词对应的向量进行异常点检测，得到异常点向量集合，包括：

利用局部异常因子算法、孤立森林算法或者支持向量机异常检测法对各所述候选关键词对应的向量进行异常点检测，得到异常点向量集合。

7.根据权利要求1或2所述的方法，其中，所述对目标文本对应的候选关键词集合中各候选关键词进行向量表示得到对应的向量，包括：

分别将所述候选关键词集合中各候选关键词输入词向量化模型，得到对应的向量。

8.一种关键词提取装置，包括：

向量表示单元，被配置成获取待识别语音数据；对所述待识别语音数据进行自动语音识别得到目标文本；以及对目标文本对应的候选关键词集合中各候选关键词进行向量表示得到对应的向量；

异常检测单元，被配置成对各所述候选关键词对应的向量进行异常点检测，得到异常点向量集合；

删除单元，被配置成删除所述候选关键词集合中与各所述异常点向量对应的关键词；

确定单元，被配置成将所述候选关键词集合确定为与所述目标文本对应的关键词集合。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被一个或多个处理器执行时实现如权利要求1-7中任一所述的方法。

Images