基于加权TextRank的文本关键词提取方法

被引：62

作者：

徐立 ^{[1
,2
]}

机构：

[1] 商丘职业技术学院软件学院

[2] 中国科学技术大学苏州研究院

来源：

计算机科学 | 2019年 / 46(S1)卷 / S1期

关键词：

提取; 加权; 词频; TextRank;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

为提升提取文本关键词的准确性,文中提出了一种文本关键词提取方法。该方法融合词频、词长、词语位置及词性等关键词提取影响因素,提出了候选关键词的权重公式;通过实验获取权重公式的相对最优权重系数;将权重公式应用到TextRank算法的候选关键词得分公式中,以提升提取文本关键词的准确性。通过实验对比了OPW-Text-Rank算法与TextRank算法对单文本关键词提取的准确率、召回率及F值,结果表明,OPW-TextRank算法在窗口大小为6时,提取关键词的准确率高于TextRank算法。在以文本关键词提取为基础的自然语言处理系统中所提算法具有一定的实用性。

引用

页码：142 / 145

页数：4

共 9 条

[1]

Deep learning in neural networks: An overview.[J].Jürgen Schmidhuber.Neural Networks.2015,

[2]

基于WMFLDA主题模型的文本相似度计算 [J].