融合BERT语义加权与网络图的关键词抽取方法

• 作者: 吕学强 李俊
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 抽取 语义关系 词向量 TextRank方法 基于Transformer的双向编码器表示
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 89-94
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055368

摘要

结合文档本身的结构信息与外部词语的语义信息,提出一种融合BERT词向量与TextRank的关键词抽取方法.在基于网络图的TextRank方法基础上,引入语义差异性并利用BERT词向量加权方式优化TextRank转移概率矩阵计算过程,同时通过迭代运算对文档中的词语进行综合影响力得分排序,最终提取得分最高的TopN个词语作为关键词.实验结果表明,当选取Top3、Top5、Top7和Top10个关键词时,与基于词向量聚类质心与TextRank加权的关键词抽取方法相比,该方法的平均F值提升了2.5％,关键词抽取效率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕学强		146	1187	15.0	30.0
2	李俊		2	0	0.0	0.0