融合统计学和TextRank的生物医学文献关键短语抽取

• 作者: 孙先朋 魏赟
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: TextRank 关键短语抽取 TF-IDF 逆向文档频率
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 数据工程
• 页码范围: 27-30
• 页数: 4页
• 分类号: TP311
• 字数: 3055字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.06.006

摘要

关键短语的抽取在文本聚类、分类、检索等方面有着重要的作用.利用经典的TF-IDF算法来提高文本关键短语抽取的质量.通过对TF-IDF算法的研究,发现TF-IDF可以综合利用单个文本信息和文本集合信息抽取文本关鍵词.在此基础上,提出一种综合TF-IDF;TextRank;统计学知识抽取关键短语的方法和利用候选关键短语逆向文档频率排序的方法.该方法在TextRank基础上,通过TF-IDF引入词的文本集合信息计算词之间权重得到词的得分.然后利用统计学知识从上一步选出词组成的短语筛选出候选关键短语.最后利用逆向文档频率的思想对候选关键短语排序.实验证明,该模型相比于经典TextRank模型准确率提高了2%,召回率提高了4.5%,F-measure提高了3.4%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏赟	上海理工大学光电信息与计算机工程学院	30	128	6.0	10.0
2	孙先朋	上海理工大学光电信息与计算机工程学院	1	6	1.0	1.0