公开(公告)号：CN108197117A

公开(公告)日：2018-06-22

申请号：CN201810094963.0

申请日：2018-01-31

Applicant: 厦门大学

Inventor： 王晓黎 ,  林坤辉 ,  邱明 ,  王美红 ,  潘洋彬 ,  杜文源 ,  高楚楚

IPC: G06F17/27

Abstract: 一种基于文档主题结构与语义的中文文本关键词提取方法，涉及关键词提取。文本预处理；中文分词及词性标注；停用词过滤与词性过滤；关键词提取。介绍文本关键词提取的基本概念、中文分词与英文分词存在的差异、常用的中文文本关键词提取方法。研究基于文档主题结构的方法和基于语义的方法，分析其原理以及现有的实现方案。针对中文分词中存在的新词识别的难点，使用动态更新分词词典来不断改善中文分词的效果。对基于文档主题结构的方法进行改进，提取全局的关键词。将中文词语之间的语义相似度考虑进来，进一步改进算法。并在自构建的数据集中验证改进算法，通过验证实验和对比实验，都得到较好的结果，表明改进算法能够改善关键词提取的效果。

公开(公告)号：CN108197117B

公开(公告)日：2020-05-26

申请号：CN201810094963.0

申请日：2018-01-31

Applicant: 厦门大学

Inventor： 王晓黎 ,  林坤辉 ,  邱明 ,  王美红 ,  潘洋彬 ,  杜文源 ,  高楚楚

IPC: G06F40/284 ,  G06F40/30

Abstract: 一种基于文档主题结构与语义的中文文本关键词提取方法，涉及关键词提取。文本预处理；中文分词及词性标注；停用词过滤与词性过滤；关键词提取。介绍文本关键词提取的基本概念、中文分词与英文分词存在的差异、常用的中文文本关键词提取方法。研究基于文档主题结构的方法和基于语义的方法，分析其原理以及现有的实现方案。针对中文分词中存在的新词识别的难点，使用动态更新分词词典来不断改善中文分词的效果。对基于文档主题结构的方法进行改进，提取全局的关键词。将中文词语之间的语义相似度考虑进来，进一步改进算法。并在自构建的数据集中验证改进算法，通过验证实验和对比实验，都得到较好的结果，表明改进算法能够改善关键词提取的效果。