基于序列模式挖掘的關(guān)鍵詞抽取問題研究.pdf

1、隨著數(shù)據(jù)庫技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，人們需要面對的數(shù)據(jù)量越來越大，如何從這么龐大的數(shù)據(jù)中挖掘出人們需要的、感興趣的信息成為了人們研究的熱點和難點。數(shù)據(jù)挖掘在這個過程中凸顯出來，變得越來越重要。文本挖掘是數(shù)據(jù)挖掘的一個重要組成部分，關(guān)鍵詞抽取是文本挖掘中的一個最基本的工作。
　　關(guān)鍵詞抽取指的是利用計算機技術(shù)自動地從文本中抽取出能夠反映主題內(nèi)容的詞匯，具有重要的理論和應(yīng)用研究價值。關(guān)鍵詞作為概括文本內(nèi)容的最小單位，對自然語言的處理、

2、文本自動摘要生成、文本分類、文本聚類和信息檢索等，都有著很重要的實際意義。本文的主要工作是將序列模式挖掘技術(shù)應(yīng)用到文本
　　關(guān)鍵詞抽取中，利用序列模式挖掘技術(shù)挖掘出文本中詞語之間的一些語義關(guān)系，從而提高關(guān)鍵詞的抽取質(zhì)量。
　　本文的研究內(nèi)容主要有以下幾個方面：
　　(1)結(jié)合關(guān)鍵詞抽取技術(shù)的國內(nèi)外的研究現(xiàn)狀，對現(xiàn)有的關(guān)鍵詞抽取模型給出了簡要的介紹，分析了各種關(guān)鍵詞抽取方法的優(yōu)點和缺點。本文對序列模式挖掘的概念給出了詳細

3、的介紹，同時介紹了典型的、常見的多種序列模式挖掘算法的執(zhí)行過程和算法的優(yōu)缺點。
　　(2)重點介紹了SPAM算法，并將通配符限制條件加入到SPAM算法中，同時將SPAM算法應(yīng)用于文本的序列模式挖掘中，挖掘出了文本中所有滿足用戶指定條件的詞語模式。
　　(3)主要研究的內(nèi)容是將序列模式挖掘技術(shù)應(yīng)用到文本挖掘中的關(guān)鍵詞抽取過程中，提高關(guān)鍵詞的抽取質(zhì)量。本文提出一種基于序列模式挖掘的關(guān)鍵詞抽取方法，利用序列模式挖掘算法從文本序列中