版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、關(guān)鍵詞抽取工作作為自然語言處理中的一個(gè)基礎(chǔ)課題,為信息檢索、文本聚類、自動(dòng)摘要生成等技術(shù)提供基本支持??梢允褂脩艨焖俜奖愕睦斫馕恼轮饕獌?nèi)容從而判斷如何進(jìn)行下一步工作。
本文的關(guān)鍵詞抽取工作主要分為候選詞識(shí)別和關(guān)鍵詞抽取兩部分。通過實(shí)驗(yàn)發(fā)現(xiàn),對(duì)于中文關(guān)鍵詞抽取任務(wù)來說,分詞結(jié)果的好壞和候選詞選取的質(zhì)量將嚴(yán)重影響后期的抽取工作。針對(duì)此現(xiàn)象,本文將關(guān)鍵詞抽取和關(guān)鍵短語抽取當(dāng)作同一工作任務(wù),統(tǒng)一成關(guān)鍵詞抽取的研究,并將重點(diǎn)放在候選詞識(shí)
2、別部分。
針對(duì)中文分詞所包含的問題,在候選詞的抽取方面,本文提出了一種結(jié)合連續(xù)單字未登錄詞識(shí)別和多詞表達(dá)式識(shí)別的方法來進(jìn)行候選詞的識(shí)別:對(duì)于連續(xù)單字未登錄詞,利用簡(jiǎn)單的規(guī)則切分連續(xù)單字片段,該方法可以較好的識(shí)別出頻率為1的該類未登錄詞;對(duì)于多詞表達(dá)式,則在規(guī)則抽取的基礎(chǔ)上加入LocalMaxs方法。兩種方法的結(jié)合在不依賴語料庫(kù)規(guī)模和領(lǐng)域的情況下,可以較好的識(shí)別出低頻未登錄詞。
通過對(duì)前人研究的進(jìn)行分析發(fā)現(xiàn),TF-ID
3、F作為關(guān)鍵詞抽取的主流特征之一,有著較好的可應(yīng)用性和可拓展性,因此,本文仍選取TF-IDF作為主要特征,并在其基礎(chǔ)上加入其它特征進(jìn)行融合??紤]到兼類詞的不同詞性問題,根據(jù)詞的詞性不同,本文改進(jìn)了詞的TF計(jì)算公式,并考慮到方法的通用性問題,僅加入標(biāo)題詞權(quán)重信息和詞長(zhǎng)信息來改進(jìn)TF-IDF公式進(jìn)行關(guān)鍵詞的抽取工作。
本文設(shè)計(jì)了多組實(shí)驗(yàn),分別對(duì)本文提出的未登錄詞識(shí)別方法和關(guān)鍵詞抽取方法進(jìn)行驗(yàn)證。在關(guān)鍵詞抽取方法的驗(yàn)證中,同時(shí)證明了候
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 中文關(guān)鍵詞抽取技術(shù)的研究.pdf
- 基于多詞TF-IDF算法的智能導(dǎo)醫(yī)系統(tǒng)研究.pdf
- 基于小世界理論的中文關(guān)鍵詞自動(dòng)抽取與標(biāo)引.pdf
- 基于優(yōu)化TF-IDF與詞共現(xiàn)的微博熱點(diǎn)話題發(fā)現(xiàn)研究.pdf
- 基于模糊邏輯的中文關(guān)鍵詞抽取研究.pdf
- tf-idf向量模型文本分類算法
- 基于論壇關(guān)鍵字搜索的改進(jìn)TF-IDF算法及其應(yīng)用.pdf
- 中文社交媒體話題關(guān)鍵詞抽取算法.pdf
- 領(lǐng)域關(guān)鍵詞抽?。航Y(jié)合LDA與Word2Vec.pdf
- 基于TF-IDF模型的高光譜影像端元提取方法研究.pdf
- 基于新聞報(bào)道的中文關(guān)鍵詞抽取算法研究.pdf
- 關(guān)鍵詞抽取方法研究及應(yīng)用.pdf
- 一種利用本體關(guān)聯(lián)度改進(jìn)的TF-IDF特征詞提取方法.pdf
- 面向主題的關(guān)鍵詞抽取方法研究.pdf
- 基于詞共現(xiàn)的關(guān)鍵詞抽取算法研究.pdf
- 改進(jìn)TFIDF和譜分割的關(guān)鍵詞自動(dòng)抽取方法研究.pdf
- 科技論文關(guān)鍵詞抽取技術(shù)的研究.pdf
- 多文檔關(guān)鍵詞抽取技術(shù)的研究.pdf
- 基于基本層次范疇改進(jìn)TextRank算法的中文關(guān)鍵詞抽取.pdf
- 中文文本分類中卡方特征提取和對(duì)TF-IDF權(quán)重改進(jìn).pdf
評(píng)論
0/150
提交評(píng)論