基于TextRank和簇过滤的林业文本关键信息抽取研究

• 作者: 冯国明 崔晓晖 师栋瑜 李钰曼 许福 陈志泊
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 林业文本 关键词抽取 TextRank 簇过滤 信息类型
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 207-214,172
• 页数: 9页
• 分类号: TP391.1
• 字数: 8018字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2020.05.023

摘要

目前,获取林业文本关键信息存在2个问题:关键信息获取主要从关键词角度考虑,忽略了词语的信息类型;网络上的林业文本没有统一的记述结构,词语信息类型提取困难.为此,本文提出了基于改进TextRank和簇过滤的林业文本关键信息抽取方法,以“关键词+信息类型”两部分表示文本关键信息.首先,抽取关键词并进行Word2Vec向量化,然后通过构建融合词语特征值、边权值的图模型对TextRank进行改进,对经迭代收敛得到的稳定图进行归并聚类形成簇;然后,设计簇品质评价公式进行簇过滤,再次应用TextRank形成最终簇集合;最后,对簇进行信息类型标注.对于测试文本,通过比较关键词向量和簇心向量的距离获得词语的信息类型,将信息类型与关键词结合得到文本的关键信息.基于2 000篇与林业政策新闻相关的林业文本进行实验,最终簇集合的紧密度为0.9680,间隔度为0.057 2,综合评价指标为0.8871;对其中400篇文本进行关键词人工标注,将本文关键词抽取方法与TextRank、TF-IDF等6种算法进行比较,结果表明,本文方法在MRR、Bpref、准确率和综合评价指标上均获得了较好的效果,说明本文方法在提取林业文本关键词方面具有优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈志泊	北京林业大学信息学院	74	503	11.0	18.0
2	许福	北京林业大学信息学院	13	26	3.0	4.0
3	崔晓晖	北京林业大学信息学院	12	35	4.0	5.0
4	李钰曼	北京林业大学信息学院	2	1	1.0	1.0
5	冯国明		1	0	0.0	0.0
6	师栋瑜		1	0	0.0	0.0