公开(公告)号：CN110532390A

公开(公告)日：2019-12-03

申请号：CN201910790303.0

申请日：2019-08-26

Applicant: 南京邮电大学

Inventor： 纪明轩 ,  宋玉蓉

IPC: G06F16/35 ,  G06F16/36 ,  G06F17/27

Abstract: 本发明公开了一种基于NER与复杂网络特征的新闻关键词提取方法，将命名实体识别(Named Entities Recognition，NER)与自然语言中的复杂网络(Complex Networks，CN)特性相结合，提出了新型的关键词抽取方法——基于NER结合复杂网络特征的方法(NER-CN)，该方法首先对句子进行标注进行命名实体识别分析，然后构建文本复杂网络并根据网络中的节点的全局度量值进行关键词抽取。本发明所提出的关键词抽取方法相较于传统方法在文本分类的精确率，召回率和F1值等指标上有着显著的提高。

公开(公告)号：CN110532390B

公开(公告)日：2022-07-29

申请号：CN201910790303.0

申请日：2019-08-26

Applicant: 南京邮电大学

Inventor： 纪明轩 ,  宋玉蓉

IPC: G06F16/35 ,  G06F16/36 ,  G06F40/295

Abstract: 本发明公开了一种基于NER与复杂网络特征的新闻关键词提取方法，将命名实体识别(Named Entities Recognition，NER)与自然语言中的复杂网络(Complex Networks，CN)特性相结合，提出了新型的关键词抽取方法——基于NER结合复杂网络特征的方法(NER‑CN)，该方法首先对句子进行标注进行命名实体识别分析，然后构建文本复杂网络并根据网络中的节点的全局度量值进行关键词抽取。本发明所提出的关键词抽取方法相较于传统方法在文本分类的精确率，召回率和F1值等指标上有着显著的提高。