基于文档主题结构和词图迭代的关键词抽取方法研究

摘要：

[目的]利用主题模型得到文本主题信息,将主题信息融入TextRank模型对其进行改进,提升文本关键词自动抽取的准确率和召回率.[方法]利用LDA对文档集进行主题建模,得到候选关键词的主题词分布和文档主题分布;结合候选关键词主题分布特征计算节点权重,加权文档-主题概率分布和主题-词概率分布特征作为节点的随机跳转概率;构建新的转移矩阵进行词图迭代,得到改进后的TextRank模型.[结果]采集南方周末网站1 559篇新闻文章进行实验.结果 表明,本文模型的关键词抽取效果明显优于原始TextRank和TF-IDF模型;当抽取关键词个数为3时,本模型准确率比原始TextRank模型的准确率提升4.7％,比TF-IDF提升6.5％.[局限]融合算法的计算复杂度增加.[结论]融合主题信息的TextRank算法能够使关键词自动抽取效果更加显著.

关键词：抽取、TextRank、LDA、图模型

所属期刊栏目：3

分类号：TP393;G35(计算技术、计算机技术)

资助基金：国家自然科学基金项目“基于演化本体的网络舆情自适应跟踪方法研究”71373123;中央高校基本科研业务费专项:前瞻性发展策略研究资助项目“基于大数据技术的跨境电商政府管理范式研究”NW2018004;国家社会科学基金项目“大数据环境下人文社会科学学术创新力自动测度研究”项目15BTQ058的研究成果之一

在线出版日期：2019-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：68-76