(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211243691.9 (22)申请日 2022.10.11 (71)申请人 新疆大学 地址 830046 新疆 维吾尔自治区乌鲁 木齐 市胜利路6 66号 (72)发明人 郑媛　殷俊　买合木提·买买提　 卡哈尔江·阿比的热西提 　 (74)专利代理 机构 重庆百润洪知识产权代理有 限公司 5 0219 专利代理师 陈付玉 (51)Int.Cl. G06F 40/30(2020.01) G06F 40/211(2020.01) G06F 40/216(2020.01) G06F 40/289(2020.01) (54)发明名称 一种基于长篇科学文献的关键词抽取方法 (57)摘要 本发明提供一种基于长篇科学文献的关键 词抽取方法。 对科学文献的单词进行统计， 统计 字数长度在8000 ‑40000字， 人工统计时间在10 ‑ 60分钟， 将长篇科学文献进行分块处理， 再对文 档进行标记并用词性Part ‑Of‑Speech(POS)标签 标记文档。 本发 明提供的基于长篇科学文献的关 键词抽取方法， 通过引入 “分块”的概念， 极大的 完善了BERT模型固有的对输入端长度的限制， 提 出了Block ‑BERT模型进行处理， 联合全局和局部 信息， 保留全面的语义信息， 有效的对长篇科学 文献进行关键词的提取， 与现有的模型相比， 性 能得到了极大的提升， 尽量避免了关键词语义信 息的缺失， 提出新的节点中心性的计算排名方法 Block‑Rank， 局部信息采用基于图结构 模型来衡 量节点的重要程度。 权利要求书2页 说明书7页 附图1页 CN 115526185 A 2022.12.27 CN 115526185 A 1.一种基于长篇科学文献的关键词抽取方法， 其特征在于， 对科学文献的单词进行统 计， 统计字数长度在8000 ‑40000字， 人工统计时间在10 ‑60分钟， 将长篇科学文献进行分块 处理， 再对文档进行标记并用词性Part ‑Of‑Speech(POS)标签标记文档。 文档D被标记为 {Wt1,Wt2,…,Wtn}， 从文档D中提取的候选词组则被表示为{CP0,CP1,…,CPn}。 使用BERT 来获 取上下文动态向量的表示{T1,T2,…,TN}＝BERT({t1,t2,…,tN})。 2.根据权利要求1所述的基于长篇科学文献的关键词抽取方法， 其特征在于， 所述Ti是 每个tokenti所对应的向量表示。 然后通过计算短语标记向量的平均值来获取候选短语的 向量表示 表示 候选词组对应的数个to ken的编号组成的集 合。 3.根据权利要求1所述的基于长篇科学文献的关键词抽取方法， 其特征在于， 将为整个 文档的向量表示， 包含全局的语义信息和一系列候选短语 短语和文 档的相似度采用曼哈顿距离进行计算： 4.根据权利要求1所述的基于长篇科学文献的关键词抽取方法， 其特征在于， 进行候选 短语的排名， 局部信息采用图结构模型进行处理， 基于图的关键词提取排序算法通常将文 档看作一个图 其中的 表示图中节点的向量集合， 其中 表示候选短语之间点积相似度得分组成的向量。 表示每 对候选短语向量表示 点积相似度得分。 5.根据权利要求1所述的基于长篇科学文献的关键词抽取方法， 其特征在于， 使用节点 的中心性 来衡量节点 的重要性， 点i的中心度权重矩 阵。 此时 6.根据权利要求1所述的基于长篇科学文献的关键词抽取方法， 其特征在于， 为控制长 篇科学文献中的首位边界关键词的重要性， 加入边界函数Fb(x)， Fb(x)＝min(x, α(N ‑x))， N 代表候选短语的数量， α表示一个控制文档各个位置相对重要性的超参数。 如果Fb(i)<Fb (j)， 则说明节点 i比节点j更加靠 近边界。 7.根据权利要求1所述的基于长篇科学文献的关键词抽取方法， 其特征在于， 对于i， j 两个节点之间中心性的作用， 需要减少 中心性的相互作用， 重构相似度权重矩阵 的计权　利　要　求　书 1/2 页 2 CN 115526185 A 2算。 其中 ， λ用于减少不在边界附近出现的短语对节点i的中心性的 影响。 8.根据权利要求1所述的基于长篇科学文献的关键词抽取方法， 其特征在于， 使用阈值 θ来过滤与节点i完全不同的噪声节点， 对于eij<θ,将其设置为0， 来消除这些 噪声节点对中 心度的影响。 β 是一个控制过滤边界的超参数， 随着噪声过滤策略的引入。 此时节点的中心 性： 9.根据权利要求1所述的基于长篇科学文献的关键词抽取方法， 其特征在于， 联合全局 和局部信息进行处理， 根据 的得分， 选择出 top n个关键词作为 最终敲定的结果。权　利　要　求　书 2/2 页 3 CN 115526185 A 3