基于文本类别信息熵的中文文档关键词提取.pdfVIP

基于文本类别信息熵的中文文档关键词提取 张旭成宋传宝 天津海量智能计算技术研究中心天津300384 摘要：批量的对文本进行关键词抽取已经成为了情报检索领域相当有挑战性的工作。在本文中，一种全新 的，基于文本统计类别信息熵的关键词抽取技术将被系统的介绍。此外，根据关键词，特别是在互联网上的 功能．本文还尝试地给出了一种新的关键词分类：内容关键词、导出词(TAG关键词)和锚点关键词。通过 将关键词的功能进行分化后，一套多样的，能满足不同需求的关键词排序算法被系统的提了出来。测评结果 显示该关键词系统有较好的准确性、稳定性和高效性。 关键词％养键词标引；文本类别信息熵；关键词分类；TAG词 EXt删ionBasedonthe of Entropy Chinese娜rds Te×【-rⅦeS ChuanBao X|uchengZhang Song of Centre IntelligentComputingHyalndain面anJin，300384 asetof a hasbecomeaserious inInfomaⅡon keywords劬m corpuS challenge Absfract：Extracting lar萨-scale RetrieV“，Int11is novel isba∞donthe oftext papera memod，which keywordextracting en仃opy Tpes，is intmduced on山e are for也reedifEerent func旺onsOf也e sortedOut systematically．Based keywords，thekerords Anchor tolhe types：contentkeyword，1ndexkeywoTdCra曲，柚d class饿catjonof seriesofvariant c姐bet岫edOn山eb牡isofdifIkrenI keywords，a ke)nlvordmethods，which faIlk洫g testresIlltShows血atthis requhtments，aredeVeloped．The keywordsyStem perforIns e伍cieⅡUy． Keywords：Keywords血dexing；subject words En仃0py；＆ywordClass谢cation；Tag 1 引言 随着网络信息的爆炸式增长，为了在浩瀚的信息海洋中有针对性地获取信息，自动对文档进行分类分析 的技