基于短语的中文标签自动生成混合算法

摘要：

对中文文档标签生成的算法进行了研究,提出了一种中文文档标签生成的混合算法(Hybrid Tags Generation Algorithm).鉴于短语在表达文档主题方面的优势,先进行短语模式匹配,然后利用短语的统计特性,综合考虑TF-IDF、词跨度和位置3个特征进行权重计算,从而抽取出权重较高的词语或短语作为标签.通过对实验数据的分析表明,该算法在查准率方面表现较好.通过人工比对可知,标签表达文档内容主题的效果相当或优于测试集标准答案的比率超过六成,取得了比较好的结果.

关键词：关键词抽取、标签生成、短语、中文标签、算法

所属期刊栏目：41

分类号：TP301.4(计算技术、计算机技术)

资助基金：2010年度河南省基础与前沿技术研究资助项目102300410211;2009年河南省高等学校青年骨干教师资助项目2009GGJS-105

在线出版日期：2014-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：87-90,102