一种基于LDA模型的关键词抽取方法

被引：15

作者：

朱泽德 ^{[1
,2
]}

李淼 ^{[2
]}

张健 ^{[2
]}

曾伟辉 ^{[2
]}

曾新华 ^{[2
]}

机构：

[1] 中国科学技术大学自动化系

[2] 中国科学院合肥智能机械研究所

来源：

中南大学学报(自然科学版) | 2015年 / 46卷 / 06期

关键词：

信息抽取; 关键词抽取; LDA模型; 主题相似性;

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：

为解决现有方法未能综合考察文档主题的全面性、关键词的可读性以及差异性,提出一种基于文档隐含主题的关键词抽取新算法TFITF。算法根据大规模语料产生隐含主题模型计算词汇对主题的TFITF权重并进一步产生词汇对文档的权重,利用共现信息排序和选择相邻词汇形成候选关键短语,再使用相似性排除隐含主题一致的冗余短语。此外,从文档统计信息、词汇链和主题分析3方面来进行关键词抽取的对比测试,实验在1 040篇中文摘要及5 408个关键词构成的测试集上展开。结果表明,算法有效地提高文档关键词抽取的准确率与召回率。

引用

页码：2142 / 2148

页数：7

共 4 条

[1] Tag-TextRank:一种基于Tag的网页关键词抽取方法 [J].