1.一种文景转换中实现场景真实性增强的方法，其特征在于，包括以下步骤：

1)、从互联网获取描述某一场景的多篇中文文档，组建场景语料库；

2)、对描述某一场景的中文文档集进行不去重的分词处理；然后对分词处理后的中文文档进行去停留词处理；

3)、利用步骤2)中文文档集去停留词处理后的分词结果，对分词结果中的实体名词利用词频统计的方法，得到实体名词的统计指标；

4)、利用步骤3)的实体名词的统计指标，构建文档集对应场景类别的特征词列表；

5)、利用步骤4)的场景类别特征词列表，分析并抽取最优场景类别特征词，建立场景实体词典；

所述步骤3)对分词结果中的实体名词利用词频统计的方法，得到实体名词的统计指标，具体包括：

传统的文本特征提取方法TFIDF模型主要考虑特征项的频率信息TF以及反文档频率信息IDF，特征项频率TF是指特征项在文档中出现的次数，对于场景概念模型而言，获取某一类别C的n篇文档，构成文档集A，实体名词w在类别C的文档集中出现的次数是获取场景概念词典的重要参考之一；

对于每一个文档集A，利用去停留词处理后的中文文档的结果，统计n篇文档中出现的实体名词出现频率大小；

定义词wi在A中词频数fi为

count(wi,A)/size(A)，0＜fi＜1count(wi,A)定义为词wi在A的文档集中出现的次数，size(Ak)定义为A中所有实体名词出现的总数；

再采用反文档频率IDF进行计算，反文档频率IDF是特征项在文档集分布情况的量化，IDF的计算方法为：文档集A中总文档数量设为N，定义包含词w的文档数为n，则场景模型中的反文档频率定义为：

2.根据权利要求1所述的一种文景转换中实现场景真实性增强的方法，其特征在于，所述步骤1)的场景语料库由同一场景类别的文档组建，场景语料库为具有明显场景特征的文档集。

3.根据权利要求1‑2之一所述的一种文景转换中实现场景真实性增强的方法，其特征在于，所述步骤1)场景实体模型为使用实体名词所组成的词向量 对场景类别进行实体概念表示，wt表示实体名词，每个场景类别对应一组相关的词向量，定义下标t为概念词典的阈值，亦为词向量的模，通过获取同一类别的大量文档，统计文档中出现次数较多且与类别C相关联的实体名词组成词向量 定义m为实体名词的数量，以 确定场景类别C的场景实体词典

4.根据权利要求1所述的一种文景转换中实现场景真实性增强的方法，其特征在于，所述步骤2)对场景语料库中的中文文档进行不去重的分词处理；然后对分词处理后的中文文档进行去停留词处理，具体包括：

对于获取的多篇文档，首先对文档进行去噪处理，去除文档中包括广告词与英文链接在内的词语，利用ROST中文分词工具进行分词处理。

5.根据权利要求1所述的一种文景转换中实现场景真实性增强的方法，其特征在于，所述步骤4)利用步骤3)的实体名词的统计指标，分析场景类别特征，具体包括；定义该列表为实体名词所组成的词向量 对场景类别进行概念表示；

对于每一篇文档进行研究，假设其场景由多个实体名词构成，则对于文档场景用p(wn)表示场景实体词wn的概率，生成文档所描述场景 的概率为：由于场景语料库中，选择的文档其场景多以风景描写为主，且是唯一的，假设给文档先选择一个场景s，在根据该场景生成文档所描述场景需要的实体，该文档所描述的场景唯一，假设场景类别有s1，s2，...，sk，则生成文档场景的概率为：选定t值后，对场景类别特征词的列表前t项随机划分为两个场景类别s1，s2；然后对每一篇文档进行概率分析，假设结果对于一篇文档 其生成概率为：其中N＝U+V，U表示场景类别s1所包含实体名词的个数，V表示场景类别s2所包含的实体名词个数，则t值的选择不合适。

6.根据权利要求5所述的一种文景转换中实现场景真实性增强的方法，其特征在于，对于前t项出现多个子场景的情况，t值的判断仍然进行遍历二分法，二分法中间点取值范围为[2,t‑1]，遍历判断t值是否合适。