基于语义的中文文本关键词提取算法及引力波的实验探测给我们的启示.docxVIP

基于语义的中文文本关键词提取算法 该方法核心关键是：在基于传统统计词频的基础上，参考了不同词之间是否为同义关系。判断同义关系的基础是结合了代汉语较常用的一部类义词典——哈工大的《同义词词林》扩展版。 本文根据《同义词词林》中词关系之间的定义，定义了词语词之间的近似度。因此对于一篇文章中的不同词，词之间根据近似度数值关系可以组成网络（词语语义相似度网络）。然后分析该网络中节点（词）的居间度，即聚集程度。 词语与主题越相关，词语的居间度密度越大。该方法出于作者认为：聚集文档围绕主题构建，与主题越相关，词语越密集，即与主题最相关的词语占的比例较大。并且主题相关词语与主题有语义相关性，所以他们彼此也有一定的语义相似度。最终关键词的提取同时参考了词语的居间度与词频。 附算法示意图: 文中提出算法示例结果：《我爱逛农贸市场》关键词提取结果为： SKE 算法提取的关键词为农贸市场、爱、鱼、乌骨鸡、羊肉、花生； 基于统计特征的算法提取的关键词为农贸市场、逛、爱、变化、美、生活。 个人对算法示例结果评价：具体某些场合可能会好于传统算法，该例子也并不表明该算法明显优秀，例如个人觉得关键字《逛》很重要。 附《我爱逛农贸市场》 我/r 爱/v 逛/v 农贸市场/n 07-008-002/m 董/nr 其中/nr 07-008-003/m 近些年/t