基于字同现频率的主题抽取方法

摘要

一种基于字同现频率的主题抽取方法，属于信息处理领域。本发明以字为基本处理单元，首先对输入文本统计每个字出现的次数，删除出现次数只为一次的字和常用字，然后，通过统计全文中字的同现频率，并得到字与字之间同现所具有的信息量，将统计结果保存在矩阵中，进而计算每一句或段中字同现关系使得每一句或段所蕴涵的信息量，并经过权重调整后，最后进行主题句或段的排序和输出，从而实现主题句或段抽取。本发明克服了背景技术的缺陷，避开文本处理过程中的分词和抽词过程，使用该方法进行主题抽取，具有相当高的正确率，尤其是散文、诗歌等富含高级修辞手法的文体，第一主题句的正确率都达到半数以上。