中文关键短语自动提取方法研究

摘要：

SegPhrase算法是当前提取关键短语最新的技术,其提取关键短语的结果比传统方法具有更高的准确率和召回率.但是SegPhrase算法在关键短语的提取和质量评估方面还存在一些缺陷.为了提高关键短语提取的质量,实现对中文关键短语的有效提取,对SegPhrase算法进行了改进.在短语产生阶段,通过利用词串之间的互信息特征保留部分低频但关键的短语;在短语质量评估阶段,通过赋予不同特征不同的权重来对短语进行综合评估,选择更符合实际应用语境的短语.最后,为了验证提取的关键短语的质量,将提取的关键短语应用于文档主题分析.通过实验证明,改进的SegPhrase算法比原方法具有更高的召回率和准确率,该方法提取的关键短语的主题分析比基于关键词的主题分析更能够清晰准确地表达文档主题信息.

关键词：关键短语提取、文本特征、互信息、主题分析

所属期刊栏目：13

分类号：TP311(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 61402329;the Educational Research Projects for Young and Middle-Aged Teachers in Fujian Province under Grant No. JA15365

在线出版日期：2019-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1481-1492