买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国民用航空飞行学院

摘要：本申请公开了一种基于NLP技术实现文本主题的智能提取方法及系统，属于NLP领域。该方法包括：接收输入的待提取文档，确定待提取文档的模态类型；确定目标NLP特征提取方法，使用此方法确定待提取文档对应的特征信息；将特征信息输入至预设的主题提取模型，确定至少两个备选主题；获取各备选主题的主题分布向量，计算各备选主题之间的相似度；确定达到预设的相似度阈值的备选主题的权重信息，计算目标主题的主题分布，对主题分布进行归一化以及主题映射，得到目标主题。本申请可以针对不同类型的文档采用适当的特征提取方法，从而保证了特征的全面性和准确性，通过计算备选主题的相似度并进行主题融合，可以得到更综合的主题。

主权项：1.基于NLP技术实现文本主题的智能提取方法，其特征在于，所述方法包括：接收输入的待提取文档，确定所述待提取文档的模态类型；根据所述模态类型以及预设的NLP特征提取方案确定目标NLP特征提取方法，使用所述目标NLP特征提取方法确定此模态下的待提取文档对应的第一特征信息；根据所述模态类型以及预设的NLP特征提取方案确定目标NLP特征提取方法，包括：若所述模态类型为纯文本模态，则根据预设的NLP特征提取方案确定目标NLP特征提取方法为第一NLP特征提取方法；相应的，使用所述目标NLP特征提取方法确定此模态下的待提取文档对应的第一特征信息，包括：对所述待提取文档进行分词处理，得到所述待提取文档的分词信息；根据所述分词信息确定所述待提取文档的句法结构，以及所述待提取文档的分词信息对应的各词语的高维向量；根据所述分词信息、所述句法结构以及所述高维向量确定纯文本模态下的待提取文档所对应的第一特征信息；根据所述模态类型以及预设的NLP特征提取方案确定目标NLP特征提取方法，还包括：若所述模态类型为多媒体模态与文本模态的结合，则根据预设的NLP特征提取方案确定目标NLP特征提取方法为第二NLP特征提取方法；相应的，使用所述目标NLP特征提取方法确定此模态下的待提取文档对应的第一特征信息，包括：获取所述待提取文档的文本信息以及多媒体信息；对所述文本信息进行分词处理，得到所述文本信息的分词信息；根据所述分词信息确定所述文本信息的句法结构，以及所述文本信息的分词信息对应的各词语的高维向量；对所述多媒体信息进行特征提取，得到所述多媒体信息的特征向量；根据所述分词信息、所述句法结构、所述高维向量以及所述特征向量确定多媒体模态与文本模态的结合下的待提取文档所对应的第一特征信息；将所述第一特征信息输入至预设的主题提取模型，确定至少两个备选主题；将所述第一特征信息输入至预设的主题提取模型，确定至少两个备选主题，包括：若所述模态类型为纯文本模态，将所述第一特征信息输入至预设的主题提取模型，根据所述分词信息确定所述待提取文档的词汇信息；根据所述句法结构确定所述待提取文档的语义信息；根据所述高维向量确定所述待提取文档的词语相关度；根据所述词汇信息、所述语义信息以及所述词语相关度确定至少两个备选主题；获取各备选主题的主题分布向量，根据所述主题分布向量以及预设的备选主题相似度计算公式计算各备选主题之间的相似度；其中，预设的备选主题相似度计算公式为： ；其中，A为备选主题中任意两个备选主题的第一备选主题；为第一备选主题的主题分布向量；B为备选主题中任意两个备选主题的第二备选主题；为第二备选主题的主题分布向量；根据所述相似度以及预设的权重分配方案确定达到预设的相似度阈值的备选主题的权重信息，获取达到预设的相似度阈值的备选主题的主题分布向量，根据所述权重信息、所述主题分布向量以及预设的主题分布计算公式计算目标主题的主题分布，对所述主题分布进行归一化以及主题映射，得到目标主题；其中，预设的主题分布计算公式为： ；其中，为目标主题的主题分布；为达到预设的相似度阈值的第一个备选主题的主题分布向量；为达到预设的相似度阈值的第二个备选主题的主题分布向量；为达到预设的相似度阈值的第n个备选主题的主题分布向量；为达到预设的相似度阈值的第一个备选主题的权重信息；为达到预设的相似度阈值的第二个备选主题的权重信息；为达到预设的相似度阈值的第n个备选主题的权重信息。

全文数据：

权利要求：

百度查询： 中国民用航空飞行学院 基于NLP技术实现文本主题的智能提取方法及系统