一种从中文电子文档中自动提取词语的方法

摘要

本发明涉及一种从中文电子文档中自动提取词语的方法，其特征在于包括以下步骤：步骤S01：将电子文档处理为一组由特定词性的原子词所组成的词串；步骤S02：统计该些原子词词串及其子串的频率，将出现次数超过N次的原子词词串做为候选词语，其中N为可设定参数；步骤S03：删除候选词语集合中仅做为子串出现的词语，得到文档中出现的词语的集合，实现自动提取中文电子文档中的词语的目的。本发明的效果和益处是：解决了自动提词性能不高、自动化程度有限的实际问题和困难。高效的自动提词方法是文本自动处理的基础，是信息检索、文本摘要、内容管理等应用的有力保证。良好的词语提取方法能够促进上述工作的自动化程度和性能。