利用串匹配技术实现网上新闻的主题提取

• 作者: 尹中航 王永成 蔡巍 韩客松
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 网页信息处理 网上新闻 主题提取 串匹配 词
• 年，卷（期）: 2002,（2）
• 页码范围: 159-167
• 页数: 9页
• 分类号: TP181
• 字数: 3411字
• 语种: 中文

摘要

从文本中提取主题串是自然语言处理的重要基础之一.传统的提取方法主要是依据" 词典加匹配"的模式.由于词典的更新速度无法同步于网上新闻中新词汇涌现的速度,而且词典的内容也无法完全涵盖网上新闻的范围, 因此这种方法不适用于网上新闻的主题提取. 提出并实现了一种不用词典即可提取新闻主题的新方法.该方法利用网上新闻的特殊结构,在标题和正文间寻找重复的字串.经过简单地处理,这些字串能够较好地反映新闻的主题.实验结果显示该方法能够准确、有效地提取出绝大部分网上新闻的主题,满足新闻自动处理的需要.该方法同样适用于其它亚洲语言和西方语言.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡巍	上海交通大学电子信息学院	10	66	4.0	8.0
2	王永成	上海交通大学电子信息学院	94	2540	28.0	48.0
3	尹中航	上海交通大学电子信息学院	11	222	5.0	11.0
4	韩客松	上海交通大学电子信息学院	17	889	13.0	17.0