基于CART算法的网络新闻关键词抽取模型研究

• 作者: 于洪志 徐涛 蓝传锜
• 来源期刊: 西北民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 机器学习 CART决策树 网络新闻关键词
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 信息技术
• 页码范围: 6-11
• 页数: 6页
• 分类号: TP391.1
• 字数: 3755字
• 语种: 中文

摘要

文章首次把CART决策树方法应用在关键词抽取工作中,并引进相似度进行了决策树方法的改进.在对特征值选择时,根据档案文本书写特征及习惯,选取档案文本的标题、档案关键词词性组合作为特征向量,并基于以往关键词抽取的先验知识加入词位置、相对频数、词语组合个数等作为特征向量.在CART决策树方法基础上,通过引入Jac-card系数合并相似度高的属性元素改进算法,来提高分类的准确率以及减小算法的复杂度.文章选取大量文本作为训练集,通过CART决策树方法进行训练学习而建立模型,建立好的模型能大大减少关键词抽取工作量,并提高关键词抽取的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于洪志	西北民族大学民族语言智能处理甘肃省重点实验室	157	612	12.0	16.0
2	徐涛	西北民族大学民族语言智能处理甘肃省重点实验室	12	20	3.0	4.0
3	蓝传锜	西北民族大学民族语言智能处理甘肃省重点实验室	3	2	1.0	1.0