基于维基百科和条件随机场的领域主题词抽取方法

摘要：

针对传统的手工整理主题词表的方法因耗时、更新速度慢而无法满足应用要求的问题,提出了一种基于维基百科(Wikipedia)和条件随机场(CRF)的领域主题词抽取方法.该方法根据特定领域现有主题词的构词特点、统计分布特点,充分利用维基百科独特的结构优势,自动地从维基百科中获取新的领域主题词,补充现有主题词表.该方法采用条件随机场作为训练、测试的模型,将多方面的特征进行综合建模,取得了较好的实验效果.实验结果表明,使用该方法可以将主题词识别的F值提高到83％左右.

关键词：主题词表构建、主题词抽取、维基百科(Wikipedia)、条件随机场(CRF)

所属期刊栏目：24

分类号：G25;G2

资助基金：973计划2013CB329502;国家自然科学基金61035003,60933004,61202212,61072085.863计划2012AA011003;国家科技支撑计划2012BA107B02;中国信息安全测评中心CNITSEC-KY-2012-006/1

在线出版日期：2014-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：602-608