基于SVM的融合多特征TextRank关键词提取算法

• 作者: 丁祎姗 朱衍丞 石兴华 芦天亮 蔡满春
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 提取 支持向量机 TextRank
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 88-91
• 页数: 4页
• 分类号: TP312
• 字数: 3361字
• 语种: 中文
• DOI: 10.11907/rjdk.192152

摘要

网络用户通常使用关键词筛选所需信息,但随着网络文本信息爆发式增长,且大多数文本信息不提供关键词,用户提取有效信息的难度不断增大.利用关键词提取算法可从文本数据中筛选出具有代表含义的关键词,因此提出一种新型基于TextRank的关键词提取算法.该算法利用每个词的TF-IDF、词向量、位置、词性等特征,利用SVM训练得到的词语初始权重,使用TextRank提取文本关键词.实验表明,该算法准确率达到78.09％,相较于传统TextRank算法提高了32.18％,证明该算法具有一定的实用及参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	芦天亮	中国人民公安大学警务信息与网络安全学院	44	78	5.0	7.0
2	蔡满春	中国人民公安大学警务信息与网络安全学院	24	67	5.0	7.0
3	石兴华	中国人民公安大学警务信息与网络安全学院	5	2	1.0	1.0
4	朱衍丞	中国人民公安大学警务信息与网络安全学院	5	4	1.0	1.0
5	丁祎姗	中国人民公安大学警务信息与网络安全学院	3	0	0.0	0.0