基于词共现矩阵的项目关键词词库和关键词语义网络.docVIP

基于词共现矩阵的项目关键词词库和关键词语义网络 　　摘要：针对专业领域中科技项目的关键词提取和项目词库建立的问题，提出了一种基于语义关系、利用共现矩阵建立项目关键词词库的方法。该方法在传统的基于共现矩阵提取关键词研究的基础上，综合考虑了关键词在文章中的位置、词性以及逆向文件频率（IDF）等因素，对传统算法进行改进。另外，给出一种利用共现矩阵建立关键词关联网络，并通过计算与语义基向量相似度识别热点关键词的方法。使用882篇电力项目数据进行仿真实验，实验结果表明改进后的方法能够有效对科技项目进行关键词提取，建立关键词关联网络，并在准确率、召回率以及平衡F分数（一般用F1measure，是同一概念吗？是同一个概念F1score）等指标上明显优于基于多特征融合的中文文本关键词提取方法。 　　关键词：关键词提取；共现矩阵；关键词词库；关键词语义网络；电力项目 　　中图分类号： TP391.1 文献标志码：A 　　英文摘要 　　Abstract：In order to solve the problems of keyword extraction and project keyword lexicon establishment of technological projects in professional fields， an algorithm for building the lexicon based on semantic relation and cooccurrence matrix was proposed. On the basis of conventional keyword extraction research based on cooccurrence matrix， the algorithm considered several advanced factors such as the location， property and Inverse Document Frequency （IDF） index of the keywords to improve the traditional approach. Meanwhile， a method was given for the establishment of keyword semantic network using cooccurrence matrix and hot keyword identification through computing the similarity with semantic base vector. At last， 882 project experiment documents in power field were used to perform the simulation. And the experimental results show that the proposed algorithm can effectively extract the keywords for the technological projects， establish the keyword correlation network， and has better performance in precision， recall rate and F1score than the keyword extraction algorithm of Chinese text based on multifeature fusion. 　　英文关键词 　　Key words：keyword extraction； cooccurrence matrix； keyword lexicon； keyword semantic network； power project 　　0 引言 　　关键词提取是一项对文档索引、网页索引、文档分类、文本挖掘等领域非常重要的技术。关键词词库则是特定领域关键词的合集，关键词和关键词词库的优劣对各类检索系统、搜索引擎的性能有着重要影响[1]。关键词和关键词词库的质量不仅是评价检索系统优劣的重要标志之一，同时对我国主题词表和文献检索语言的发展有重大意义。 　　目前的情况下，无论是提取文档关键词，还是建立关键词词库，人工给出的结果都是最为理想的。然而，随着网络的发展，信息量的增长越来越快，网络资源正在以爆炸式的速度增长。据中国互联网络信息中心（China Internet Network Information Center，CNNIC）发布的《第33次中国互联网络发展