KEK:基于k-truss的短文本关键词提取方法

• 全文链接
• 请求原文

作   者：

杨朝举;  葛唯益;  王羽;  徐建; 

作者机构：

中国电子科技集团公司第二十八研究所信息系统工程重点实验室;  南京理工大学计算机科学与工程学院; 

关键词：

文本挖掘;  关键词提取;  图分解; 

期刊名称：

计算机应用研究

基金项目：

面向智能化运维的工作票挖掘方法研究

i s s n：

1001-3695

年卷期：

2021 年 004 期

页   码：

1022-1026,1032

摘   要：

关键词提取在众多文本挖掘任务中扮演着重要的角色,其提取效果直接影响了文本挖掘任务的质量。以文本为研究对象,提出了一种基于k-truss图分解的关键词提取方法,名为KEK（keyword extraction based on ktruss）。该方法首先借助空间向量模型理论,以文本中的词为节点,通过词语之间的共现关系来构建文本图,接着利用k-truss图分解技术来获取文本语义特征,并结合词频、单词位置特征、复杂网络特征等构造无参评分函数,最终根据评分结果来提取关键词。通过在基准数据集上进行实验验证,结果表明KEK算法在提取短文本关键词上的F1值性能指标优于其他基于文本图的关键词提取方法。