[发明专利]PowerPoint电子演示文稿的关键词抽取方法

摘要

本发明公开了一种PowerPoint电子演示文稿的关键词抽取方法，利用PowerPoint文件独特的格式特点，加以传统的统计学特性作为特征，采用非平衡数据的排序学习的方法，将候选关键词按照其关键性进行排序，实现PowerPoint电子演示中关键词的计算机自动抽取。本发明能够快速、有效的从PowerPoint电子演示文稿中自动抽取关键词，从而方便教育资源元数据的获取与建立，提高数字教育服务效率和质量。

主权项

1、PowerPoint电子演示文稿的关键词抽取方法，其特征在于，该方法步骤如下：1)PowerPoint电子演示文稿特征表示：将PowerPoint电子演示文稿中的候选关键词提取出来，并按照所选特征将候选关键词表示为向量形式，具体步骤如下：步骤1.1，预处理：利用PowerPoint文档对象模型将PowerPoint电子演示文稿中文本形式的内容进行提取；步骤1.2，分词及词性标注：利用ICTCLAS分词工具，对步骤1.1中提取出的文本内容进行分词和词性标注；步骤1.3，候选特征词选择：采用了基于词性的独立词与非独立词结合的候选关键词选择方法，选取可能的词和词组作为候选关键词；步骤1.4，特征统计：对预先选择好的特征进行统计，将候选关键词表示成向量形式；步骤1.5，候选关键词过滤：按照过滤规则，过滤不合理的候选关键词；2)训练与预测：以训练集中的候选关键词为输入，应用排序学习的方法训练出排序模型，并依据此模型对待预测文档中的候选关键词进行预测排序，最终选出待预测文档的关键词，具体步骤如下：步骤2.1，候选关键词等级标注：对训练集中的候选关键词进行人工的等级标注，将候选关键词依照标注规范标注为“推荐”、“可接受”、“不可接受”三个等级；步骤2.2，排序模型训练：以等级标注结果为依据，采用非平衡数据的RankingSVM排序学习方法，训练出排序模型；步骤2.3，候选关键词排序：利用训练出的排序模型，对待预测文档的候选关键词进行排序；步骤2.4，候选关键词选取：根据候选关键词排序结果，选取排序靠前的候选关键词作为待预测文档的关键词。