基于词汇同现模型的关键词自动提取方法研究

关键词提取是中文信息处理的一个关键环节。提出一种关键词自动提取的有效方法,首先对普通词典进行了扩充,在普通词典的基础上结合大量的训练样本对词典进行训练得到一个带有TF×IDF值和互信息的优化词典。然后在此词典上按段落进行切词,对切词结果集根据词频、权重、同现关系和互信息排序后筛选出候选关键词。最后根据候选词的上位词和下位词进行词汇合并,设定一个阀值,取出其中的n个词作为文章的关键词。通过小数据测试样本集的抽取实验结果表明,文中方法在一定程度上能够提高关键词提取的正确率,得到了较为满意的效果.

复杂网络在新闻网页关键词提取中的应用

通过分析新闻网页文档的特征,引入节点权重、有向网络加权聚类系数、中心介数等特征量,并结合传统关键词提取算法的一些优点及网页文档的部分特征,提出了一种改进的基于加权复杂网络的新闻网页关键词提取算法,并通过实验证实了该算法的正确性.

中文短文本自动关键词提取的改进RAKE算法

针对RAKE(Rapid Automatic Keywords Extraction)算法在中文短文本关键词提取算法中未考虑词语语义和候选关键词过长的问题,提出一种以RAKE算法为基础的改进方法.在词语特征值计算阶段,利用词项距离、词间关系频率、共现频率构建共现矩阵,利用语境值计算公式计算每个候选关键词的特征值;按照特征值的降序输出候选关键词,若候选关键词词语个数超过n个,则利用窗口输出算法限制关键词的长度.实验表明,本文方法在中文短文本关键词提取方面相比RAKE算法及其它算法有更好的表现.

基于广播电台数字音频资料库元数据项的智能分析与检索

本文介绍了广播电台数字音频资料库在音频检索方面的管理现状,并对基于资料库元数据项进行智能分析及音频检索涉及的几个主要关键技术进行了研究,提出了实现方法,试图缓解人工标注工作量问题,尽量提高检索准确性。

基础教育文本资源搜索引擎网页机器人设计与实现

在基础教育领域,为方便学生、教师、家长、教育机构等搜索相关教育文本资源,提出了专用于基础教育文本资源搜集的快速高效的智能化网页搜索机器人理论。文本自动分类、文献自动文摘和自动关键词提取是网页机器人的重要组成部分。由分析Web网页格式的文档引出基础教育文本资源信息挖掘模块,设计提取关联文本信息的算法,研究在搜索引擎中如何通过对互联网海量多媒体教育信息的自动抓取、主题检测、专题聚焦,实现对教育网络的监控和专题的追踪等功能,以报告及图表等多种分析结果的形式提供分析依据,设计基础教育文本监控分析系统,为提供全面搜索教育网络服务。