多文檔關(guān)鍵詞抽取技術(shù)的研究.pdf

1、關(guān)鍵詞自動(dòng)抽取是依靠計(jì)算機(jī)從文檔中選擇出反映主題內(nèi)容的詞，也稱(chēng)作關(guān)鍵詞自動(dòng)標(biāo)引，可以為用戶(hù)提供一個(gè)簡(jiǎn)潔的內(nèi)容摘要，使信息定位更加簡(jiǎn)單。
　　本文研究從同主題的文檔集中抽取關(guān)鍵詞來(lái)發(fā)現(xiàn)主題的算法，主要研究成果如下：
　　1.提出了計(jì)算多文檔詞語(yǔ)權(quán)重的ATF*PDF方法。在文檔集中包含某個(gè)詞語(yǔ)的文檔數(shù)越多，該詞語(yǔ)越可能是表達(dá)文檔集主題的重要成分，ATF*PDF方法中詞語(yǔ)權(quán)重和詞語(yǔ)出現(xiàn)的文檔頻率成指數(shù)級(jí)，比成線(xiàn)性關(guān)系時(shí)有更好的關(guān)鍵

2、詞抽取效果。另外，該方法還考慮了文檔集中單個(gè)文檔大小對(duì)詞語(yǔ)權(quán)重的影響。
　　2.提出了基于聯(lián)合權(quán)重的關(guān)鍵詞抽取方法，并改進(jìn)TextRank方法用于抽取多文檔
　　生成關(guān)鍵詞時(shí)，考慮到候選關(guān)鍵詞中可能存在冗余現(xiàn)象，本文使用“聯(lián)合權(quán)重方法”聯(lián)合那些相互之間語(yǔ)義相似度較大的詞語(yǔ)的權(quán)重，從而調(diào)整候選關(guān)鍵詞的排序來(lái)選擇關(guān)鍵詞；另外，考慮到表達(dá)同一主題的詞語(yǔ)之間存在較強(qiáng)的語(yǔ)義關(guān)系，本文改進(jìn)TextRank方法來(lái)使相互之間語(yǔ)義關(guān)系較強(qiáng)的詞