在即时通讯工具中存在大量的会话文本信息,这些信息中包含谣言、人身攻击、招摇撞骗、反动言论等不良信息,甚至很多不法分子借助即时通讯工具实施犯罪,因此面向会话文本的分析对于公安舆情分析、案件侦查、电子证据分析等业务具有重要作用。关键词是快速掌握文本主要内容的最佳方式,因此对会话文本关键词抽取的研究是很有价值的。本文主要针对会话文本的关键词抽取任务展开研究,具体内容如下:1、针对会话文本向量稀疏、中心性差、话题交叉性强的问题,提出了SCM(Segmentation-Clustering Model)会话文本初始类簇构建模型。SCM采取先分割后聚类的思路,构建出会话文本初始聚类簇。首先,通过会话文本的时序特征和隐式特征构建会话分割算法,将会话文本流分割为细粒度的会话片段;然后,利用DBSCAN算法对会话片段进行聚类,构建出会话文本初始聚类簇。2、针对会话文本在传统算法上适应性差的问题,提出了NBLT(Naive Bayes-LDA-TFIDF)犯罪类文本关键词抽取及犯罪分类识别模型,NBLT利用SCM算法的初始聚类簇完成关键词抽取任务,融合了有监督和无监督的关键词抽取算法,将改进的朴素贝叶斯算法的关键词抽取结果和多重算法融合的无监督关键词抽取算法的抽取结果进行融合,有效解决了会话文本关键词抽取的难点,并基于抽取出的关键词集利用杀人类案件、贪腐类案件、涉毒类案件的会话文本对贝叶斯模型进行训练,得到犯罪类会话文本分类器,实现了会话文本的关键词抽取和犯罪类型分类识别。3、基于以上两个模型设计并开发了犯罪类会话文本分析系统。该系统通过将测试文本进行预处理,运用本文提出的SCM算法实现会话文本流的分割和聚类,运用NBLT算法进行关键词抽取和犯罪类型识别。同时该系统还添加了基于jiaba的分词标注、命名实体识别、词频统计及词云展示,基于百度AI情绪分析工具的文本情感分析功能,便于公安实战业务中对会话文本流的分析和应用。本文以公开QQ群聊天数据集、犯罪类电影字幕为语料进行了以下实验:会话文本特征提取及基于特征的分割实验;会话片段聚类实验;犯罪类会话文本关键词抽取实验;犯罪类会话文本分类实验。实验表明,本文提出和采用的方法在准确率、召回率、F值方面均有较好的效果,验证了本文提出的模型及系统具有一定的优越性。