基于多线程多重因子加权的关键词提取算法

摘要：

针对英文短文本的内容精悍、格式多变的特点,提出了基于多线程多重因子加权的文本关键词提取算法.该算法利用词频-逆向文档频率(TF-IDF)算法计算文本集中单词的词频因子,及代表单词出现位置、长度和同现关系的位置因子、词长因子和同现因子,采用基于Future模式多线程并发计算4个因子的权值.再计算单词的4个因子累积权值并排序提取关键词.实验结果表明,基于多线程多重因子加权的关键词提取算法能够有效提高短文本关键词提取的准确率和召回率.

关键词：英文短文本、关键词提取、多重因子加权、多线程、词频-逆向文档频率

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61105045、51075423;北京市属市管高等学校人才强教计划基金项目PHR20100509、PHR201108057;北京市教委面上基金项目KM200910009003

在线出版日期：2013-09-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2398-2402,2407