融合多因素的TFIDF关键词提取算法研究

• 作者: 牛永洁 田成龙
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: TFIDF算法 词位置 词性 词语关联 词长 词跨度
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 80-83
• 页数: 4页
• 分类号: TP301.6
• 字数: 4026字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.07.016

摘要

为了能更加准确、快速地提取文本中的关键词,首先需要对待提取的文本进行数据清洗,去掉其中的噪声数据,接着对文本进行分词操作,在去掉停用词的基础上,综合考虑词语的位置、词性、词语关联性、词长和词跨度等因素,将这些因素与经典的TFIDF关键词提取算法相结合,采用不同权重的方法得到最终的词语权重,按照词语权重从大到小取得前5个词作为文本的关键词.以本校图书馆提供的8045篇《红色中华》新闻为源数据,从准确度、召回率及F1值三个指标对文中算法、经典的TFIDF算法和专家标注进行对比,发现文中算法在三个指标上均优于经典的TFIDF算法,与专家标注比较接近.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛永洁	延安大学数学与计算机学院	50	329	9.0	15.0
2	田成龙	延安大学数学与计算机学院	1	8	1.0	1.0