原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
大数据时代基于统计特征的情报关键词提取方法
20133
信
息
技
术
( 510610)
为克服传统词频) 逆向文本频率(TFIDF) 关键词提取精度低下的缺点, 文章提出一种基于多
级统计特征的关键词提取( TFIDF- SK) 算法该算法采用词语TfDf 指标的离散系数公式来剔除噪音词, 构
建基于词偏度词语位置权重信息和词频) 逆向文本频率的评估函数来度量关键词的重要性实验结果
表明该算法优于传统方法, 在大数据时代网络情报监测中具有广泛的应用价值
大数据 关键词提取 词偏度 网络情报监测
On the Statistical Features- based Information Ke word Extraction Method in the Era of Bi Data
y g
Luo Fan ing Yang Haishen (Library of Guangdong Acade y of Social Sciences, Guangzhou, 510610)
Abstract In order to overco e the shortco in s of classical TFIDF- based ke words extraction ethod with low
g y
accurac , ke words extraction al ori h (TFIDF- SK) based on ulti- level statistical characteristics is ro osed. It
y y g g p p
firstly uses coefficient of variance for ula of theword. s TfDf index to re ove noisewords, and secondly constructs evalu-
ation function based on word. s skewness, word. s position weight and word frequency- inverse docu ent frequency to
easure the i ortanceof ke words. Ex eri entalresults show that the al orith (TFIDF- SK) out erfor s the traditional
p y p g p
ethod, and has a wide ran e of a lications in the Internet intelli ence onitorin in the bi - data era.
g pp g g g
Keywords big data, keywords extraction, word. s skewness, Internet intelligence onitoring
, ,
[ 1]
,
, , ,
, , ,
,
, , ,
2012,
2.7ZB( 1ZB= 10 TB) , 2002 ,
2,
[2]
85%
, , ,
,
本文获中国社会科学情报学会 2012年学术年会 / 知识# 服务# 创新) ) ) 社会主义文化大繁荣大发展背景下社科情报事 及学科发展:
机遇与挑战0 征文活动一等奖
64
2013 3
文档评论（0）