基于TF*PDF的热点关键短语提取

• 作者: 马佩勋 高琰
• 来源期刊: 计算机应用研究
• 关键词: TF*PDF TDT 提取 脉冲值 关键词短语
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3610-3613
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.12.024

摘要

传统的TF*PDF方法提取的关键短语可精确地描述话题并进行新闻报道的追踪,但存在误将噪声数据识别为关键短语的情况.提出了一种基于位置权重TF*PDF的两段式关键短语提取方法滤除噪声数据.该方法将传统的TF*PDF算法与位置权重相结合,计算词汇与短语的权重,获取候选关键短语列表,关键短语的脉冲值则用于过滤列表中的噪声.通过关键短语识别进程根据位置信息、频率信息等将热点词汇组合成短语.TF*PDF位置权重算法同时也用于为短语分配权重,排名前K的短语被认为是热点关键短语.以真实网络数据为基础的实验结果表明,该提取方法与传统的TF*PDF提取方法相比,可更好地去除关键词短语中的绝对噪声,较好地改善了热点话题检测的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马佩勋	长沙民政学院软件学院	14	37	3.0	5.0
2	高琰	中南大学信息科学与工程学院	15	371	8.0	15.0