一种基于LDA模型的关键词抽取方法

• 作者: 张健 曾伟辉 曾新华 朱泽德 李淼
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 信息抽取 关键词抽取 LDA 模型 主题相似性
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 机械工程 ? 控制科学与工程
• 页码范围: 2142-2148
• 页数: 7页
• 分类号: TP391
• 字数: 5914字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2015.06.023

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1040篇中文摘要及5408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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健	中国科学院合肥智能机械研究所	272	3714	30.0	51.0
2	李淼	中国科学院合肥智能机械研究所	155	1490	17.0	35.0
3	曾新华	中国科学院合肥智能机械研究所	8	49	3.0	6.0
4	曾伟辉	中国科学院合肥智能机械研究所	7	136	4.0	7.0
5	朱泽德	中国科学技术大学自动化系	3	28	2.0	3.0