一种基于word2vec和TextRank的科技文本关键词提取方法

摘要

本发明公开了一种基于word2vec和TextRank的科技文本关键词提取方法。本发明使用科技语料训练word2vec模型，获取每个词的语义向量；针对待处理文本进行分词处理，并以每个词为顶点，词在滑动窗口中的词共现关系为边，词的相似度为权重构建有向带权图；为每个词赋予初始权重，进而基于边的语义相似度设计改进的TextRank算法，实现顶点权重的迭代更新。直至两次迭代的误差小于一个极小值ε，以此作为每个词的最终权重；取前N个权重最高的关键词作为该文本的关键词。本发明综合考虑了词与词在语义上的距离，以此来改进TextRank算法，使词的权重表示更为精准，从而提高文本关键词提取的可靠性、有效性。