基于PageRank的新闻关键词提取算法

• 作者: 许梦馨 顾亦然
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 成为用户搜索信息必不可少的工具.关键词以凝练简洁的形式对文本主题进行有效概括 通过提取关键词 可以结构化地表示目标文本 提高人们的文献管理与检索效率.
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 复杂性科学
• 页码范围: 777-783
• 页数: 7页
• 分类号: TP311|TP391.1
• 字数: 6717字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2017.05.021

摘要

现有的基于复杂网络的关键词提取算法在构建加权文本网络时没有考虑文本的自然语言特性,且在提取关键词时较少涉及复杂网络领域经典算法.本文引入词频分享权重,利用词频特性为节点之间的连边加权.在此基础上,基于PageRank算法,并结合人类语言习惯特性定义位置权重系数,提出了一个新的新闻关键词提取算法——LTWPR算法,综合考虑了文本网络的局部特征和全局特征.采用新浪新闻语料进行了大量实验,结果表明该算法能够快速有效的覆盖新闻作者标注的关键词,且提取效果更佳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾亦然	南京邮电大学自动化学院	43	400	10.0	19.0
2	许梦馨	南京邮电大学自动化学院	1	12	1.0	1.0