TextRank

摘要： 社交媒体平台中存在的大量虚假新闻伴随着网络的快速发展,影响范围扩大,造成了不良社会影响以及经济损失。为快速有效地实现虚假新闻的检测,提出一种基于支持向量机的虚假新闻检测研究的方法。通过TextRank提取文本特征向量,使用网格搜索交叉验证方法对支持向量机(Support Vector Machine,SVM)参数寻优,对其新闻数据集进行虚假检测、分类,从而识别虚假新闻。实验结果表明,本文提出的方法与朴素贝叶斯和决策树相比,在虚假新闻检测问题上效果较好。

摘要： 为了解知识产权政策在中小企业知识产权战略推进工程中的实施情况,基于文本挖掘技术对我国2009—2020年中央层面的中小企业知识产权政策进行分析。首先采用数理统计法和社会网络分析法从宏观角度对政策发文量、发文部门进行梳理分析,其次引入Textrank算法构建政策主题词库,结合UCINET6.0工具进行政策主题和措施分析。研究发现,目前我国中小企业知识产权政策存在针对性需提升、政策合力不够、配套细则有待完善、政策措施配置不均衡等问题,并提出相应建议。

摘要： 将信息熵融入TextRank算法中分词器部分以改善关键词抽取的准确度。在分词前,先用信息熵的方式提取文章的关键新词,加入到分词字典中,使分词器能够自主识别新词,以增强文章关键词提取的准确性。当语料中存在新词的时候,关键词抽取准确度效果提升明显,对不存在新词的语料关键词抽取准确度无明显提升。改善分词效果可以提升关键词抽取准确度。

摘要： 将textrank、word2vec和MMR3种语言模型用于基于文本相似度的新闻自动摘要提取。实验结果表明textrank算法得到的摘要语句可读性较差,理解困难;在textrank算法基础上增加word2vec模型后对整篇新闻的概括度较高,但却不能很好地解决信息冗余和效率低的问题;MMR可以有效去除信息冗余,体现语义的多样性。

摘要： 基于图模型的TextRank方法形成的摘要不会脱离文档本身,但在抽取文本特征的时候,传统的词向量获取方法存在一词多义的问题,而基于BERT的词向量获取方式,充分挖掘了文本语义信息,缓解了一词多义问题。对不同词嵌入方法进行了实验对比,验证了BERT模型的有效性。基于词频统计的相似度计算方法也忽略了句子的语义信息,文中选择了向量形式的相似度的计算方法用于文本摘要生成。最后在TTNews数据集上做实验,效果有了明显的提升。

摘要： 为构建一种能够准确有效地在医保问题库中检索到与用户提出的问题匹配度最高的问题,提出了一种融合逻辑回归分类模型和TextRank关键词抽取的文本快速检索方法。首先从医保局官网以及百度文库中收集医保问答对,根据医保问答数据特征,采用对比分析方法找到最优的文本检索方案。实验结果表明,逻辑回归分类模型速度更快、准确度更高,配合基于图排序的关键词检索方式TextRank,能够有效地检索到与用户问题匹配度最高的医保问题。

摘要： 近年来知识图谱广泛应用于在线智能学习系统,在知识图谱的自动构建过程中,关键词抽取是其首要环节。在当前众多关键词抽取方法中TextRank算法应用最为广泛。在线学习系统有大量视频学习资源,而目前的关键词抽取方法主要用来处理论文、新闻报道等文本资源。为从视频学习资源中抽取关键词,在TextRank算法基础上,提出一种改进的关键词抽取方法TW-TextRank。首先通过语音识别把视频资源转换为文本,然后获取关键词在视频中的时长并计算权重,最后进行关键词抽取和排序。实验以8门C语言教学视频作为素材,和传统TextRank算法进行比较,结果表明TW-TextRank算法对召回率和F值有较为明显的提升效果,在视频资源的知识图谱构建方面有较强实用性。

摘要： 在传统基于关键词属性、情感属性和位置属性提取关键句的文本情感倾向性研究的基础上,提出一种融合全局特征和自身特征双窗口的加权TextRank关键句提取算法(WTTW算法),使用soft_voting对提取的关键句进行情感倾向性分析的方法。从全局特征出发通过关键词特征、位置特征、句子之间的相似度加权求和构建窗口为2的TextRank图模型,即将整个文本作为一个单元,设置长度为2的滑动窗口,从第一句至最后一句顺序进行滑动窗口建立图模型,迭代得到各句子的得分;再根据句子情感特征和标点特征对句子得分进行调整,得到关键句;使用soft_voting对提取的关键句进行情感倾向性分析。在四个不同领域进行实验,实验结果表明,该方法在各种评价指标下均显著优于baseline,具有高效性。

摘要： 对于在线平台和论坛中的旅游评论文本进行情感分析一方面有助于景区理解游客的需求,提高景区服务品质,另一方面为游客提供出游参考信息,以达到更好的旅游满意度,具有较高的应用价值。本文针对旅游评论文本普遍较长的特征,提出了融合Text-Rank的情感分类方法。在进行情感分类之前先使用Text-Rank方法对较长的文本进行自动摘要,使用摘要压缩后的内容作为输入进行情感分类。使用RNN、LSTM、Text-CNN、BERT等深度学习模型进行实验,结果显示融合后的方法在准确率等各项指标上均取得了一定程度的提升。该方法对于原始文本较长、包含多方面内容的输入信息具有较大价值,能够提高文本处理效率,提高分析精度。

摘要： 通过剖析短语结构层次句法分析的层次性和汉语结构特点,提出了一种把核心词作为词块的形式替换、层层进行词块组合的句法结构树.在句法边界分析的过程中,将词块识别和核心词提取分开进行.在词块识别模块,使用双向长短期记忆模型(Bi-directional Long Short-Term Memory,BiLSTM)和条件随机场(Conditional Random Field,CRF)结合的模型(BiLSTM+CRF)进行词块边界标记的识别,其中BiLSTM模型学习上下文特征,CRF模型学习输出标记序列结果的转移特征,达到预测标记序列联合解码的作用;在核心词提取模块,结合Word2vec词向量改进TextRank重要度排序算法,通过加入词语的相似度信息、位置信息、词性信息来提高识别准确度.实验对比了CRF、BiLSTM、BiLSTM+CRF词块识别分别与三种信息组合的TextRank核心词识别的句法边界分析效果,并对比了各句长下每种模型的识别情况.结果表明,使用BiLSTM+CRF联合改进的TextRank识别效果最好,相比于基线LR方法F1值提升了6.58个百分点,整句正确率提升了3.68个百分点,验证了模型的有效性和稳定性.

摘要： 关键词抽取是从文本中抽取代表性关键词的过程，在文本处理领域中具有重要的应用价值。本文尝试利用一种近年来受到广泛关注的新的信息源--社会化标签(Tag)来提高网页关键词抽取的质量。在对Tag 数据进行统计分析的基础上，提出了利用Tag 进行关键词抽取的框架，并给出了一种具体的实现方法Tag-TextRank。该方法在TextRank 基础上，通过目标文档中的每个Tag引入相关文档来估计词项图的边权重并计算得到词项的重要度，最后将不同Tag下的词项权重计算结果进行融合。在公开语料上的实验表明，Tag-TextRank 在各项评价指标上均优于经典的关键词抽取方法TextRank，并具有很好的适用性。

摘要： 关键词抽取是从文本中抽取代表性关键词的过程，在文本处理领域中具有重要的应用价值。本文尝试利用一种近年来受到广泛关注的新的信息源--社会化标签(Tag)来提高网页关键词抽取的质量。在对Tag 数据进行统计分析的基础上，提出了利用Tag 进行关键词抽取的框架，并给出了一种具体的实现方法Tag-TextRank。该方法在TextRank 基础上，通过目标文档中的每个Tag引入相关文档来估计词项图的边权重并计算得到词项的重要度，最后将不同Tag下的词项权重计算结果进行融合。在公开语料上的实验表明，Tag-TextRank 在各项评价指标上均优于经典的关键词抽取方法TextRank，并具有很好的适用性。

摘要： 关键词抽取是从文本中抽取代表性关键词的过程，在文本处理领域中具有重要的应用价值。本文尝试利用一种近年来受到广泛关注的新的信息源--社会化标签(Tag)来提高网页关键词抽取的质量。在对Tag 数据进行统计分析的基础上，提出了利用Tag 进行关键词抽取的框架，并给出了一种具体的实现方法Tag-TextRank。该方法在TextRank 基础上，通过目标文档中的每个Tag引入相关文档来估计词项图的边权重并计算得到词项的重要度，最后将不同Tag下的词项权重计算结果进行融合。在公开语料上的实验表明，Tag-TextRank 在各项评价指标上均优于经典的关键词抽取方法TextRank，并具有很好的适用性。

摘要： 关键词抽取是从文本中抽取代表性关键词的过程，在文本处理领域中具有重要的应用价值。本文尝试利用一种近年来受到广泛关注的新的信息源--社会化标签(Tag)来提高网页关键词抽取的质量。在对Tag 数据进行统计分析的基础上，提出了利用Tag 进行关键词抽取的框架，并给出了一种具体的实现方法Tag-TextRank。该方法在TextRank 基础上，通过目标文档中的每个Tag引入相关文档来估计词项图的边权重并计算得到词项的重要度，最后将不同Tag下的词项权重计算结果进行融合。在公开语料上的实验表明，Tag-TextRank 在各项评价指标上均优于经典的关键词抽取方法TextRank，并具有很好的适用性。

摘要： 关键词抽取是从文本中抽取代表性关键词的过程，在文本处理领域中具有重要的应用价值。本文尝试利用一种近年来受到广泛关注的新的信息源--社会化标签(Tag)来提高网页关键词抽取的质量。在对Tag 数据进行统计分析的基础上，提出了利用Tag 进行关键词抽取的框架，并给出了一种具体的实现方法Tag-TextRank。该方法在TextRank 基础上，通过目标文档中的每个Tag引入相关文档来估计词项图的边权重并计算得到词项的重要度，最后将不同Tag下的词项权重计算结果进行融合。在公开语料上的实验表明，Tag-TextRank 在各项评价指标上均优于经典的关键词抽取方法TextRank，并具有很好的适用性。

摘要： 本申请实施例提供了一种基于文本排列TextRank的关键词提取方法和装置，方法包括：对待处理文本进行预处理，得到多个候选词，根据预设的扩散度计算公式，计算每两个候选词在待处理文本中的扩散度，将扩散度和该两个候选词的共现次数的乘积，作为该两个候选词对应的节点之间的边的权重，根据计算得到的各权重，构建多个候选词对应的文本网络，并根据预设的迭代公式对文本网络中各节点的得分进行迭代计算，当满足预设收敛条件时，将各节点中得分最高的预设数目个节点对应的候选词，作为待处理文本的关键词。基于上述处理，在共现次数的基础上，结合候选词的扩散度确定节点之间的边的权重，进而能够提高提取到的关键词的准确度。

摘要： 本发明公开了一种基于阈值去噪的TextRank文档摘要方法，包括以下步骤：根据获取到的第一文档语句构建第一图模型；通过TextRank算法对所有第一文档语句的进行迭代计算以得每条第一文档语句对应的第一TR值将所有的第一TR值与预设阈值进行大小比对，并将所有小于预设阈值的第一TR值对应的第一文档语句从第一图模型中除去以得第二图模型；并选取若干条第二TR值最高的第二文档语句以形成文档摘要。本发明还提供了一种基于阈值去噪的TextRank文档摘要装置。本发明的基于阈值去噪的TextRank文档摘要的方法能够有效的排除文档中的干扰项，提高权重值的分配准确度，从而提高所生成的摘要的质量。

摘要： 本发明公开了一种基于TextRank的未知协议帧定位方法，该方法将TextRank的思想引入到传统未知协议帧定位过程中，通过统计数据中的各序列出现频率，从而确定比特流中各节点的投票权重，并通过TextRank算法思想进行投票确定协议数据中的关键序列，最后根据关键序列对比特流进行切分，计算得到的各段比特流间的序列相似度，由此判断未知协议数据的帧头位置。通过此方法能够快速有效地对未知协议数据进行分析，准确的定位比特流数据中各帧的位置。

摘要： 本发明公开一种基于改进TextRank算法的会议纪要方法，涉及数据处理技术领域，其包括：对会议内容进行现场录音，将录音内容转换为会议文本；对会议文本的重点内容进行标记；梳理重点内容所在语句的常用词，构建关键词词库；基于TextRank算法，利用投票机制对会议文本包含的语句进行重要性排序，投票过程中，通过人工标记的重点内容和关键词词库改变排序结果，TextRank算法基于改变后的排序结果输出摘要内容；设置会议纪要包含的语句数量，根据排序结果直接或删减输出TextRank算法输出摘要内容包含的语句数量，实现最终会议纪要的自动输出。本发明还公开一种会议纪要模型，其用于实现前述会议纪要方法，可以保证不同场景下输出会议纪要的易读性、准确性和完整性。

摘要： 本发明涉及一种改进的TextRank多特征融合教育资源关键词提取方法，首先利用中文分词、去除停用词等因素对资源进行文本预处理，然后分别进行TF‑IDF、词位置和词性的权重计算，之后为不同权重的TF‑IDF、词位置和词性分配对应参数，最后将之前两步计算的权重值和参数值带入，形成多特征融合计算词语的分值，再对分值进行排序，选取前N个词语作为资源的关键词。实验结果表明该方法能够稳定的从教育资源中提取关键词信息，提高关键词的质量。它的先进性主要有较高的准确性和稳定性，在一定程度上提高了关键词提取的质量，提高了教育资源的利用效率。

摘要： 本发明公开了一种基于TextRank与多维语义特征融合的自动摘要方法及系统，通过对预处理后的新闻进行新闻关键词提取、新闻主题的获取、句子的特征信息以及句子的向量表示，将句子与主题相似度、句子与标题相似度、关键词覆盖率、是否含特征词四种因素作为影响句子权重的影响因素，并将它们和TextRank原分数以一种优化的组合应用到自动摘要中，将TextRank分数和句子特征分数相加取平均数得到句子综合分数，利用MMR算法计算句子间的相似度来去除冗余度较高的句子，最后根据相似度排序按设定个数取前n个句子作为摘要，高了原有公式去除冗余句的效率，能够准确获取新闻的摘要内容，大大提高了新闻内容概况准确性，从而帮助人们减少阅读的时间。

摘要： 本发明公开了一种面向兴趣挖掘的多特征改进TextRank关键词提取方法，包括以下步骤，获取行为数据，并根据所述行为数据生成主题备选词集合；计算所述主题备选词集合中各个备选词的词频：根据所述词频计算词频重要性，并根据所述词频重要性构建重要性字典；基于重要性字典对预先构建TextRank词网络图进行迭代直至收敛，得到最终的备选词TextRank值；根据所述最终的备选词TextRank值，提取关键词；本发明综合考虑了用户兴趣偏移，并将其融入了词频计算，进而提高了挖掘用户兴趣主题的准确性。

摘要： 本发明涉及一种基于TextRank算法结合卷积神经网络模型的多源媒资知识图谱构建的方法。本发明主要包括信息抽取、信息融合和知识图谱构建。由于媒资数据的多源性，本发明在构建面向多源媒资数据的知识图谱时，在实体对齐中引入TextRank关键词提取算法、实体属性二级分类、卷积神经网络和注意力机制，能够更好地理解实体和属性之间的语义关联，提高媒资实体对齐准确度。

摘要： 本申请涉及知识图谱技术领域一种基于改进TextRank的知识图谱补全方法和装置。该方法通过获取知识问答系统知识图谱中三元组的头尾实体的文本描述信息，及实体关系文本；采用替换法构造负样本，将三元组和负样本作为样本集；采用改进TextRank提取样本集中三元组的头尾实体的描述摘要，将描述摘要和实体关系文本拼接后输入ALBERT编码器，并将得到的具有上下位语义特征的特征矩阵经过平均池化和BiGRU层进行特征增强，根据增强特征矩阵采用多任务学习方式，确定三元组中缺失的另一实体，完成智能问答系统知识图谱补全任务。采用本方法对智能问答系统知识图谱进行补全，可提高智能问答系统搜索结果精准度，实现所答即所问。

摘要： 本发明提出一种基于BiLSTM和TextRank进行新闻文本分类的方法，包括：对文本数据集进行预处理得到文本分词向量，通过文本数据集的文本分词向量训练BiLSTM分类模型并得到关于数据集的全局语义的特征向量；通过TextRank算法对文本数据集的文本分词向量提取文本关键词并基于文本关键词得到关于文本关键词的特征向量通过TextRank算法从文本数据集的文本分词向量提取文本关键词并基于文本关键词得到关于文本关键词的特征向量；基于全局语义的特征向量和文本关键词的特征向量构建全连接神经网络分类模型，并通过全连接神经网络分类模型对目标文本分别进行分类。通过本发明提出的一种基于BiLSTM和TextRank进行新闻文本分类的方法，可显著提高新闻文本分类的准确性。