一种基于长篇科学文献的关键词抽取方法

摘要

本发明提供一种基于长篇科学文献的关键词抽取方法。对科学文献的单词进行统计，统计字数长度在8000‑40000字，人工统计时间在10‑60分钟，将长篇科学文献进行分块处理，再对文档进行标记并用词性Part‑Of‑Speech(POS)标签标记文档。本发明提供的基于长篇科学文献的关键词抽取方法，通过引入“分块”的概念，极大的完善了BERT模型固有的对输入端长度的限制，提出了Block‑BERT模型进行处理，联合全局和局部信息，保留全面的语义信息，有效的对长篇科学文献进行关键词的提取，与现有的模型相比，性能得到了极大的提升，尽量避免了关键词语义信息的缺失，提出新的节点中心性的计算排名方法Block‑Rank，局部信息采用基于图结构模型来衡量节点的重要程度。