资源描述：
《基于小世界模型的复合关键词提取方法研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第23卷第3期中文信息学报Vol.23,No.32009年5月JOURNALOFCHINESEINFORMATIONPROCESSINGMay,2009文章编号:100320077(2009)0320121208基于小世界模型的复合关键词提取方法研究1,21223马力,焦李成,白琳,周雅夫,董洛兵(1.西安电子科技大学智能信息处理研究所陕西西安710071;2.西安邮电学院信息中心陕西西安710061;3.西安电子科技大学图书馆陕西西安710071)摘要:该文提出了一种新的基于小世界网络特性的关键词提取算法。首先,利用K最邻近耦合图构成方式,将文档表示成为词语网络。引
2、入词语聚类系数变化量和平均最短路径变化量来度量词语的重要性,选择重要性大的词语组成候选关键词集。利用侯选关键词集词语位置关系和汉语词性搭配关系,提取出复合关键词。实验结果表明该方法是可行和有效的,获取复合关键词比一般关键词所表达的含义更便于人们对文本的理解。关键词:计算机应用;中文信息处理;小世界网络;词语网络;平均最短路径变化量;聚类系数变化量;复合关键词中图分类号:TP391文献标识码:AResearchonaCompoundKeywordsDetectionMethodBasedonSmallWorldModel1,21223MALi,JIAOLicheng,B
3、AILin,ZHOUYafu,DONGLuobing(1.InstituteofIntelligenceInformationProcessing,XidianUniversity,Xi’an,Shanxi710071,China;2.Informationcenter,Xi’anInstituteofPostandTelecommunications,Xi’an,Shanxi710061,China;3.Library,XidianUniversity,Xi’an,Shanxi710071,China)Abstract:Inthispaper,anewalgorit
4、hmisproposedforextractingcompoundkeywordsfromtheChinesedocumentbythesmallworldnetwork.Usingk2nearest2neighborcoupledgraph,aChinesedocumentisfirstrepresentedasanetwork:thenoderepresenttheterm,andtheedgerepresenttheco2occurrenceofterms.Then,twovariables,clusteringcoefficientincrementandav
5、eragepathlengthincrement,areintroducedtomeasureterm'simportanceandtogeneratethecandidatekeywordset.Withfactorssuchasco2operationbetweentwoanytermsofpartofspeechinasentenceandtheneighborhoodbetweenanytwotermsofthecandidateset,somerelatedwordsinthecandidatesetarecombinedasthecompoundkeywo
6、rds.Theexperimentalresultsshowthatthealgorithmiseffectiveandaccurateincomparisionwiththemanualkeywordsextractionfromthesamedocument.Thesemanticrepresentationbythecompoundkeywordsofadocumentisfarmoreclearerthanthatofsinglekeywordsset,facilitatingabettercompre2hensionofthedocument.Keyword
7、s:computerapplication;Chineseinformationprocessing;smallworldnetwork;termnetworkgraph;aver2ageshortestpathlengthincrement;averageclusteringcoefficientincrement;compoundkeywords的重要研究内容之一,它是文档的自动分类、信息检1引言索以及文本的理解等的基础。现已有许多成熟与实用的关键词提取技术,其主要的出发点是词语的出文档关键词的自动抽取是自然语言理解技术中现频率分析、词语的位置区
