[目的/意義]旨在為提升藏文文本關(guān)鍵詞的抽取效果提供參考。[方法/過程]分析中英文文本關(guān)鍵詞抽取方法的特點和存在問題,針對藏文文本特點,提出一種融合多特征的TextRank關(guān)鍵詞抽取方法,通過實驗獲取不同特征的相對最優(yōu)權(quán)重系數(shù),并將權(quán)值計算公式應(yīng)用于TextRank的初始權(quán)值與轉(zhuǎn)移概率的計算中。[結(jié)果/結(jié)論]該方法通過融合藏文文本的結(jié)構(gòu)特征以及詞語之間語法關(guān)系等關(guān)鍵詞提取影響因素,實現(xiàn)了候選關(guān)鍵詞的量化權(quán)值,相比于傳統(tǒng)方法關(guān)鍵詞抽取效果有明顯提升,同時證明融合結(jié)構(gòu)特征與語法特征能有效改善TextRank算法的性能。 

【文章來源】：情報探索. 2020,(07)

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 相關(guān)研究
2 研究方法
    2.1 詞圖構(gòu)建
    2.2 特征構(gòu)建
        2.2.1 位置特性
        2.2.2 詞性特征
        2.2.3 分布特征
        2.2.4 語義特征
    2.3 轉(zhuǎn)移矩陣計算與關(guān)鍵詞抽取
3 實驗結(jié)果與分析
    3.1 實驗數(shù)據(jù)
    3.2 參數(shù)確定
    3.3 實驗結(jié)果分析
4 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]融合多特征的TextRank關(guān)鍵詞抽取方法[J]. 李航,唐超蘭,楊賢,沈婉婷.  情報雜志. 2017(08)
[2]學(xué)術(shù)文本的結(jié)構(gòu)功能識別——在關(guān)鍵詞自動抽取中的應(yīng)用[J]. 方龍,李信,黃永,陸偉.  情報學(xué)報. 2017(06)
[3]詞向量聚類加權(quán)TextRank的關(guān)鍵詞抽取[J]. 夏天.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2017(02)
[4]詞向量與LDA相融合的短文本分類方法[J]. 張群,王紅軍,王倫文.  現(xiàn)代圖書情報技術(shù). 2016(12)
[5]中文事件抽取研究文獻(xiàn)之算法效果分析[J]. 吉久明,陳錦輝,李楠,孫濟(jì)慶.  現(xiàn)代情報. 2015(12)
[6]面向Web的藏文文本分詞策略研究[J]. 艾金勇,陳小瑩,華侃.  圖書館學(xué)研究. 2014(21)
[7]基于多特征融合的中文文本關(guān)鍵詞提取方法[J]. 張建娥.  情報理論與實踐. 2013(10)
[8]基于主題特征的關(guān)鍵詞抽取[J]. 劉俊,鄒東升,邢欣來,李英豪.  計算機(jī)應(yīng)用研究. 2012(11)
[9]基于信息增益與信息熵的TFIDF算法[J]. 李學(xué)明,李海瑞,薛亮,何光軍.  計算機(jī)工程. 2012(08)
[10]基于詞匯鏈的關(guān)鍵詞自動標(biāo)引方法[J]. 李綱,戴強斌.  圖書情報知識. 2011(03)

碩士論文
[1]基于信息融合的Web信息可信度研究[D]. 羅慶平.中南大學(xué) 2014



本文編號：3029747