基于TextRank的产品评论关键词抽取方法研究

• 作者: 尤苡名
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 抽取 TFIDF TextRank TFTR 评论有用性反馈
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 229-233
• 页数: 5页
• 分类号: TP393
• 字数: 5010字
• 语种: 中文
• DOI: 10.11907/rjdk.191810

摘要

关键词抽取技术能从海量产品评论文本中挖掘出用户关注的焦点,方便后续为用户推荐合适的产品.经典关键词抽取算法TextRank在迭代计算词汇节点的重要性得分时,忽略了邻近词汇节点的影响力差异.为此,提出一种融合TFIDF与TextRank算法(简称TFTR)抽取评论中的关键词.首先,通过引入用户浏览评论后给出的评论有用性反馈,提高有效评论中出现的重要词语权重,对TFIDF算法进行改进.然后将改进后的词频逆文档频率作为词节点特征权重引入到TextRank算法中,以改进词汇节点的重要性得分分配过程.实验结果表明,相比传统的TextRank算法,TFTR算法提取出的产品评论关键词准确性在P@10标准下提高了15.7％,证明了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尤苡名	浙江理工大学信息学院	2	1	1.0	1.0