(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 202210148114.5 (22)申请日 2022.02.17 (71)申请人 王峰 地址 200062 上海市普陀区光复西路2 297 弄7号201室 申请人 王凯 (72)发明人 王峰　王凯　 (74)专利代理 机构 北京知呱 呱知识产权代理有 限公司 1 1577 专利代理师 陈晨 (51)Int.Cl. G06F 40/216(2020.01) G06F 40/242(2020.01) G06F 40/30(2020.01) (54)发明名称 一种中文小说主要角色词智能获取方法及 系统 (57)摘要 本发明实施例公开了一种中文小说主要角 色词智能获取方法及系统， 采用通过两步词频统 计加停用词典过滤无用词的方法找到小说主要 角色， 可以有效地寻找到小说的主要角色词， 达 到最佳的智能计算效果， 快速寻找到小说角色有 利于对中文 小说进行进一 步智能处 理。 权利要求书1页 说明书3页 附图1页 CN 114580379 A 2022.06.03 CN 114580379 A 1.一种中文 小说主要角色词智能获取 方法， 其特 征在于， 所述方法包括： 将小说全文按照预设字数进行取词并轮排计算词频， 得到排在前几位的多个第 一高频 词； 以得到的多个高频词为原点， 取原点前后固定长度的字， 然后按照预设字数进行取词 并轮排计算词频， 并选取 得到多个第二高频词； 使用停用词典， 过 滤去除所述第二高频词中无用的高频词， 得到最终的主 要角色词。 2.根据权利要求1所述的一种中文小说主要角色词智能获取方法， 其特征在于， 按照预 设字数进行 取词并轮排计算词频， 具体包括： 分别以5个字、 4个字、 3个字和2个字为取词长度进行取词， 并分别得到5字长度、 4字长 度、 3字长度和2字长度的包含词和词频的词典， 将得到的四个词典合并， 从合并得到的词典 中按照词频排序选取高频词。 3.根据权利要求1所述的一种中文小说主要角色词智能获取方法， 其特征在于， 将小说 全文按照预设字数进行取词并轮排计算词 频， 得到排在前几位的多个第一高频词， 具体还 包括： 将小说根据文章中的标点符号、 数字符号等作为依据， 进行断句， 形成短句列表， 然后 对短句列表进行 取词。 4.根据权利要求1所述的一种中文小说主要角色词智能获取方法， 其特征在于， 以得到 的多个高频词为原点， 取原点前后固定长度的字， 然后按照预设字数进行取词并轮排计算 词频， 选取 得到多个第二高频词， 具体还 包括： 选取原点前后固定 长度的字形成新的短句列表， 然后对短句列表进行 取词。 5.根据权利要求1所述的一种中文小说主要角色词智能获取方法， 其特征在于， 以得到 的多个高频词为原点， 取原点前后固定长度的字， 然后按照预设字数进行取词并轮排计算 词频， 并选取 得到多个第二高频词， 具体还 包括： 根据小说的全文长度， 确定 选取的第二高频词的个数。 6.根据权利要求1所述的一种中文小说主要角色词智能获取方法， 其特征在于， 使用停 用词典， 过 滤去除所述第二高频词中无用的高频词， 得到最终的主 要角色词， 具体包括： 将得到的多个第 二高频词分别与 所述停用词典中的停用词进行逐一比对 匹配， 将能够 匹配上的第二高频词删除。 7.一种中文 小说主要角色词智能获取系统， 其特 征在于， 所述系统包括： 第一高频词获取模块， 用于将小说全文按照预设字数进行取词并轮排计算词频， 得到 排在前几位的多个第一高频词； 第二高频词获取模块， 用于以得到的多个 高频词为原点， 取原点前后固定长度的字， 然 后按照预设字数进行 取词并轮排计算词频， 选取 得到多个第二高频词； 停用词典过滤模块， 用于使用停用词典， 过滤去除所述第 二高频词中无用的高频词， 得 到最终的主 要角色词。权　利　要　求　书 1/1 页 2 CN 114580379 A 2一种中文小说主要角色词智能获取方 法及系统 技术领域 [0001]本发明实施例涉及自然语言处理技术领域， 具体涉及一种中文小说主要角色词智 能获取方法及系统。 背景技术 [0002]目前现有技术中暂无 中文小说角色词处理方法。 相关的词频统计计算方法往往集 中于社会文本方面， 但是小说是一种虚构文本， 这是两种不同性质的文本， 其统计计算方法 完全不同， 将社会文本统计 计算方法移用于小说基本是 无效的。 发明内容 [0003]为此， 本发明实施例提供一种中文小说主要角色词智能获取方法及系统， 以解决 现有技术中缺少中文 小说角色词的处 理方法。 [0004]为了实现上述目的， 本发明实施例提供如下技 术方案： [0005]根据本发明实施例的第一方面， 提出了一种中文小说主要角色词智能获取方法， 所述方法包括： [0006]将小说全文按照预设字数进行取词并轮排计算词频， 得到排在前几位的多个第一 高频词； [0007]以得到的多个高频词为原点， 取原点前后固定长度的字， 然后按照预设字数进行 取词并轮排计算词频， 并选取 得到多个第二高频词； [0008]使用停用词 典， 过滤去除所述第二高频词中无用的高频词， 得到最终的主要角色 词。 [0009]进一步地， 按照预设字数进行 取词并轮排计算词频， 具体包括： [0010]分别以5个字、 4个字、 3个字和2个字为取词长度进行取词， 并分别得到5字长度、 4 字长度、 3字长度和2字长度的包含词和词频的词典， 将得到的四个词典合并， 从合并得到的 词典中按照词频排序选取高频词。 [0011]进一步地， 将小说全文按照预设字数进行取词并轮排计算词频， 得到排在前几位 的多个第一高频词， 具体还 包括： [0012]将小说根据文章中的标点符号、 数字符号等作为依据， 进行断句， 形成短句列表， 然后对短句列表进行 取词。 [0013]进一步地， 以得到的多个高频词为原点， 取原点前后固定长度的字， 然后按照预设 字数进行 取词并轮排计算词频， 选取 得到多个第二高频词， 具体还 包括： [0014]选取原点前后固定 长度的字形成新的短句列表， 然后对短句列表进行 取词。 [0015]进一步地， 以得到的多个高频词为原点， 取原点前后固定长度的字， 然后按照预设 字数进行 取词并轮排计算词频， 并选取 得到多个第二高频词， 具体还 包括： [0016]根据小说的全文长度， 确定 选取的第二高频词的个数。 [0017]进一步地， 使用停用词典， 过滤去除所述第二高频词中无用的高频词， 得到最终的说　明　书 1/3 页 3 CN 114580379 A 3