中文关键短语自动提取方法研究

• 作者: 李银银 王琰 荣垂田
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 关键短语提取 文本特征 互信息 主题分析
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 数据库技术
• 页码范围: 1481-1492
• 页数: 12页
• 分类号: TP311
• 字数: 3652字
• 语种: 中文

摘要

SegPhrase算法是当前提取关键短语最新的技术,其提取关键短语的结果比传统方法具有更高的准确率和召回率.但是SegPhrase算法在关键短语的提取和质量评估方面还存在一些缺陷.为了提高关键短语提取的质量,实现对中文关键短语的有效提取,对SegPhrase算法进行了改进.在短语产生阶段,通过利用词串之间的互信息特征保留部分低频但关键的短语;在短语质量评估阶段,通过赋予不同特征不同的权重来对短语进行综合评估,选择更符合实际应用语境的短语.最后,为了验证提取的关键短语的质量,将提取的关键短语应用于文档主题分析.通过实验证明,改进的SegPhrase算法比原方法具有更高的召回率和准确率,该方法提取的关键短语的主题分析比基于关键词的主题分析更能够清晰准确地表达文档主题信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荣垂田	天津工业大学计算机科学与技术学院	7	23	3.0	4.0
2	王琰	厦门理工学院计算机与信息工程学院	10	15	2.0	3.0
3	李银银	天津工业大学计算机科学与技术学院	2	3	1.0	1.0