融合多特征的TextRank关键词抽取方法

摘要：

[目的/意义]关键词提取在自然语言处理领域有着广泛的应用,如何快速准确地实现关键词的提取已经成为文本处理的关键问题.目前关键词提取方法非常多,但准确率仍有待提升.为此,提出一种结合单一文档内部结构信息;词语对于单文档和文档集整体的重要性的关键词抽取方法.[方法/过程]首先,根据词语的平均信息熵特征计算词语对文档集整体的重要性,利用词语的词性;位置特征计算词语对单文档中的重要性.然后,通过神经网络训练的方式优化三个特征的权重分配实现特征的融合.最后,利用三个特征计算得到词语的综合权值来改进TextRank模型词汇节点的初始权重以及概率转移矩阵,再通过迭代法实现关键词的抽取.[结果/结论]该研究方法结合了文档集整体信息和单文档自身信息,其关键词提取的准确率较传统TextRank方法;TFIDF-TextRank方法有了明显的提高.

关键词：TextRank算法、关键词抽取、神经网络、平均信息熵

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：广东省部产学研专项资金企业创新平台"面向家电行业的用户数据挖掘系统研究及体验式设计创新服务"2013B090800042

在线出版日期：2017-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：183-187