网络文本主题词的提取与组织研究

摘要：

网络信息的指数爆炸给人们获取与掌控信息带来了困扰,为了挖掘海量信息中的关键因子并以恰当的方式进行组织,本文设计了网络文本主题词提取和组织算法.该算法基于多级滤噪的切分词拼接,利用特定的噪音库与滤噪策略严格控制拼接过程,在合理收录策略的挑选下,算法提取出了能够准确反映海量网络数据中关键因子的主题词串.为清晰地组织主题词,建立主题词与网络事件的有机联系,设计了新的词聚类策略对主题词提取结果进行处理,使表达同一热点的主题词合理地组织在一起,共同描述同一事件.在以实际网络文本为语料的实验中,算法表现出令人满意的性能.

关键词：计算机应用、中文信息处理、主题词提取、未登录词识别、切分词拼接、主题词聚类

所属期刊栏目：22

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点基础研究发展计划973计划2004CB318109

在线出版日期：2008-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：64-70,80