词向量聚类加权TextRank的关键词抽取

摘要：

[目的]将维基百科蕴涵的世界知识以词向量方式融入TextRank模型,改进单文档关键词抽取效果.[方法]利用Word2Vec模型基于维基百科中文数据,生成词向量模型,对TextRank词图节点的词向量进行聚类以调整簇内节点的投票重要性,结合节点的覆盖和位置因素,计算节点之间的随机跳转概率,生成转移矩阵,最终通过迭代计算获得节点的重要性得分,选取前TopN个词语生成关键词.[结果]当TopN≤7时,词向量聚类加权方法均优于对比方法;TopN=3时,F值取得最大值,比先前最优结果增量提升了3.374％;TopN＞7时,结果与位置加权法相似.[局限]聚类分析使得计算开销变高.[结论]词向量聚类加权能够改善关键词抽取效果.

关键词：关键词抽取、词向量、TextRank、Word2Vec

分类号：G353(情报学、情报工作)

资助基金：国家社会科学基金项目一般项目“我国数据新闻的理念、实践及其人才培养模式研究”16BXW018;北京高等学校青年英才计划项目“基于链接和主题分析的微博社区挖掘研究”项目YETP0215的研究成果之一

在线出版日期：2017-04-18（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：28-34