基于多特征的中文关键词抽取方法

被引：6

作者：

杨颖 ^{[1
]}

戴彬 ^{[2
]}

机构：

[1] 川北医学院基础医学院

[2] 西华师范大学商学院

来源：

计算机应用与软件 | 2014年 / 31卷 / 11期

关键词：

关键词抽取; 词频; 关联度; 文本聚类;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

关键词抽取是信息检索、文本分类、文本聚类以及自动文摘生成等技术的基础。在分析传统中文关键词抽取方法不足的基础上,提出一种基于多特征的中文关键词提取方法。该方法在抽取中文关键词过程中,从词频、关联度、词性以及位置等多种特征来全面考查关键词,有效地避免了传统关键词提取方法产生的偏差。实验结果表明,与传统方法相比,该方法在不同测试集上关键词提取的平均召回率均得到明显提升。

引用

收藏

页码：109 / 112

页数：4

相关论文

共 11 条

[1] 基于互信息和粗糙集理论的特征选择 [J].

朱颢东 ;

李红婵 .

计算机工程, 2011, 37 (15) :181-183

[2] 基于词汇链的关键词自动标引方法 [J].

李纲 ;

戴强斌 .

图书情报知识 , 2011, (03) :67-71

[3] 基于小世界模型的复合关键词提取方法研究 [J].

马力 ;

焦李成 ;

白琳 ;

周雅夫 ;

董洛兵 .

中文信息学报, 2009, 23 (03) :121-128

[4] 一种基于复杂网络特征的中文文档关键词抽取算法 [J].

赵鹏 ;

蔡庆生 ;

王清毅 ;

耿焕同 .

模式识别与人工智能, 2007, 20 (06) :827-831

[5] 一种基于词汇链的关键词抽取方法 [J].

索红光 ;

刘玉树 ;

曹淑英 .

中文信息学报, 2006, (06) :25-30

[6] 基于文本分类TFIDF方法的改进与应用 [J].

张玉芳 ;

彭时名 ;

吕佳 .

计算机工程, 2006, (19) :76-78

[7] 基于最小词频阈值的文档特征选择 [J].

陈晓云 ;

李荣陆 ;

胡运发 .

模式识别与人工智能, 2006, 19 (04) :531-537

[8] Faster Dimension Reduction [J].

Ailon, Nir ;

Chazelle, Bernard .

COMMUNICATIONS OF THE ACM, 2010, 53 (02) :97-104

[9]

Optimal feature selection for support vector machines[J] . Minh Hoai Nguyen,Fernando de la Torre.Pattern Recognition . 2009 (3)

[10]

Feature subset selection in large dimensionality domains[J] . Iffat A. Gheyas,Leslie S. Smith.Pattern Recognition . 2009 (1)