多文檔關(guān)鍵詞抽取技術(shù)的研究.pdf

1、關(guān)鍵詞自動抽取是依靠計算機(jī)從文檔中選擇出反映主題內(nèi)容的詞，也稱作關(guān)鍵詞自動標(biāo)引，可以為用戶提供一個簡潔的內(nèi)容摘要，使信息定位更加簡單。
　　本文研究從同主題的文檔集中抽取關(guān)鍵詞來發(fā)現(xiàn)主題的算法，主要研究成果如下：
　　1.提出了計算多文檔詞語權(quán)重的ATF*PDF方法。在文檔集中包含某個詞語的文檔數(shù)越多，該詞語越可能是表達(dá)文檔集主題的重要成分，ATF*PDF方法中詞語權(quán)重和詞語出現(xiàn)的文檔頻率成指數(shù)級，比成線性關(guān)系時有更好的關(guān)鍵

2、詞抽取效果。另外，該方法還考慮了文檔集中單個文檔大小對詞語權(quán)重的影響。
　　2.提出了基于聯(lián)合權(quán)重的關(guān)鍵詞抽取方法，并改進(jìn)TextRank方法用于抽取多文檔
　　生成關(guān)鍵詞時，考慮到候選關(guān)鍵詞中可能存在冗余現(xiàn)象，本文使用“聯(lián)合權(quán)重方法”聯(lián)合那些相互之間語義相似度較大的詞語的權(quán)重，從而調(diào)整候選關(guān)鍵詞的排序來選擇關(guān)鍵詞；另外，考慮到表達(dá)同一主題的詞語之間存在較強(qiáng)的語義關(guān)系，本文改進(jìn)TextRank方法來使相互之間語義關(guān)系較強(qiáng)的詞