关键词提取

摘要： 为了高效地对大宗商品交易领域的文本数据进行挖掘,基于书籍文本面向大宗商品交易领域构建了领域词典。通过关键词提取以及融合现有基础词典,构建大宗商品交易领域词典。为了使得领域词典更加完善,利用分布式表示方法中的Word2vec算法进行词典扩充。实验结果表明,所构建的领域词典在文本分类任务中具有良好的性能表现。

摘要： 在智慧政务的应用背景下,利用深度学习的方法对海量的科技政策文本数据进行自动分类,可以降低人工处理的成本,提高政策匹配的效率。利用BERT深度学习模型对科技政策进行自动分类实验,通过TextRank算法和TF-IDF算法提取政策文本关键词,将关键词与政策标题融合后输入BERT模型中以优化实验,并对比不同深度学习模型的分类效果来验证该方法的有效性。结果表明,通过BERT模型,融合标题和TF-IDF政策关键词的分类效果最佳,其准确率可达94.41%,证明利用BERT模型在标题的基础上加入政策关键词能够提高政策文本自动分类的准确率,实现对科技政策文本的有效分类。

摘要： 进度控制是水电工程管理的重要任务,及时总结进度管理信息有助于工程进度计划的制定与调整。水电工程建设中的进度信息多以半结构化、非结构化的文本形式呈现,增加了信息提取难度,实现水电工程进度文本信息自动化与智能化挖掘是当前亟待解决的问题。本文提出基于改进LDA的水电工程进度信息智能提取方法,智能提取进度管理文本中的关键信息。该方法基于传统LDA模型针对吉布斯采样机制,充分考虑词语间的关联关系,将原有随机单个采样过程改进为以共现度为基准的词对采样,强化了词语间的语义关联,提高了主题词语间的紧密性以及主题词语对主题描述的准确性。将所提出的方法应用于实际水电工程,对221份水电工程施工监理周报进行分析,共提取12个主题的工序关键词,并依照计算结果提取出主副工序;结果表明,改进LDA主题模型在水电工程进度文本工序特征词提取效果优于传统LDA主题模型,有助于提高工程施工进度关键工序词提取与信息挖掘效率,为水电工程施工智能化管理提供了新的手段。

摘要： 随着商业广告投放数量的高速增长,对广告精准推送能力的要求也随之提高。文章利用关键词提取技术获取文章和广告的中心词汇,尝试计算文章和广告的匹配程度,为广告的智能推荐提供可行方法。运用OCR技术从图片录入广告信息,并使用Python关键词提取库提取文章和广告的关键词,最后根据余弦相似度计算文章和广告的匹配程度,将结果降序排序,输出关联程度最高的3篇广告。OCR技术能以较高的准确率将图片中的文字转换为文本,从而为用户提供了广告图片的输入接口,而关键词提取技术获取了能较好反映文本中心的词汇,最后的广告匹配算法也能从数据库中找到语义最相近的广告。智能广告推荐算法的一种可行方式为:通过OCR技术将广告图片转换为文字并批量录入到数据库中,提取广告关键词以反映其中心思想,再运用文本匹配技术为文章寻找最合适的广告。测试结果表明,关键词提取技术和余弦相似度匹配是广告推荐领域中行之有效的方法。

摘要： 在科技资源服务交易的过程中,技术需求文本往往存在描述模糊、非结构化等问题,为应对由此引起的服务供需匹配困难的现象,开展面向科技资源服务交易的供需匹配技术研究。提出一种服务供需匹配模型,首先提取技术需求文本的关键词,接着构建技术供给核心库,采用相关模型训练词向量并计算供需文本之间的语义相似度,最后计算出二者的匹配值。对线上电子信息技术领域的供需文本进行测试,计算出给定供需文本之间的匹配值,为实现科技服务交易中的供需对接与供需匹配提供一种新思路。

摘要： 为了高效提取高度集中、覆盖范围广和差异性明显的慕课网用户评论关键词,文中提出一种融合BERT和LDA⁃TextRank的关键词提取方法。实现关键词提取的第一步是获取候选关键词,在获得候选关键词之前需对爬取的课程评语进行预处理,再通过BERT模型训练得到慕课网在线评语的词向量;然后利用LDA主题模型得到候选关键词的主题分布;最后结合TextRank算法计算各主题的关系词及生成评论文本的词主题挖掘。基于此,文中利用BERT文本表示方法,能够更好地联系不同词语之间的相关性;在传统的LDA主题抽取模型的基础上结合TextRank方法,并在节点运算中通过迭代算法计算各词的得分,将权值的转移概率作为词语之间的相似度,使得关键词提取性能得到了提升。实验结果表明,与传统方法相比,所提方法的困惑程度值明显降低,证实了该方法的有效性。

摘要： 传统的TextRank算法进行关键词提取时词语之间的连接边采用权值均分的形式进行加权,未考虑词语的语义信息。针对这种情况,提出结合拓扑势与TextRank算法的关键词提取方法。方法使用词频和词语在文中的分布情况对词语加权作为词语的全局影响;使用拓扑势的思想结合词语全局影响计算词语间的转移概率作为词语的局部影响;将转移概率矩阵应用于传统TextRank算法中。实验表明,考虑词语全局及局部重要性等语义信息可有效提升TextRank算法的准确率和召回率。

摘要： 文章基于相关招聘数据,分析招聘单位对新媒体人才的具体需求,以优化高校的新媒体人才培养方案和教学计划。文章以前程无忧和智联招聘两个综合性招聘网站发布的招聘信息为数据来源,通过对样本进行分词、关键词提取和LDA主题分析等,从招聘地区与行业、招聘企业类型与规模、招聘人员基本资格、工作内容与任职技能四个方面分析现今新媒体行业的人才需求,并依据分析结果,从新媒体人才培养的主体、培养机制以及人才认证标准方面提出对应策略。

摘要： 开展产业技术演化路径的识别与分析,对整体把握产业技术发展态势、促进区域经济发展具有重要的现实意义。为识别产业技术演化路径,提出了一种基于专利文献数据挖掘的技术演化路径识别方法。该方法采用主题模型提取技术主题与技术关键词,同时抽取各技术主题的代表性专利。并在此基础上,利用专利间相似度来发现专利间关联关系实现技术演化路径识别。通过选取塑料包装产业相关专利进行实证研究,表明该方法能够有效提取产业相关技术的代表性技术并识别其演化路径。

摘要： 采用教育数据挖掘法,利用NLPIR软件对《义务教育化学课程标准(2022年版)》进行文本挖掘。结果发现新课标中最关注与化学学科特色相关词,注重中学知识内容的衔接:“学习主题”“学习任务”“学业质量”的内容发生变化,学习方式从“探究”逐步向“实践”转变,其中“跨学科实践”是改革的亮点;与此同时,体现了化学课程的社会性与个体性的统一。从词频筛选结果也可发现多维度的学科素养相互联系,其中大概念引导化学观念建构,科学思维和科学探究与实践相互促进,科学态度与责任素养需要在教学情境中潜移默化。

摘要： 为克服传统词频—逆向文本频率(TFIDF)关键词提取精度低下的缺点,提出一种基于多级统计特征的关键词提取(TFIDF-SK)算法.该算法采用词语TfDf指标的离散系数公式来剔除噪音词,接着构建基于词偏度、词语位置权重信息和词频—逆向文本频率的评估函数来度量关键词的重要性.实验结果表明该算法优于传统方法,在网络情报监测中具有广泛的应用价值.

摘要： 信息检索的结果往往庞杂，缺乏有效地加工整理，对搜索结果进行聚类是一种普遍的需求，而传统的文本聚类方法不能提供有效的类别标签，且速度较慢，不适用于在线搜索结果的聚类。本文针对性地提出了基于关键词提取的搜索结果聚类算法，工本思想为：结合信息检索的特点，将词频(TF)、词性和互信息等特征进行融合计算，综合实现关键词的提取;最终以筛选出的关键词作为基础特征，实现层次聚类。经实验验证，该方法P@10达到80％，用户满意度达到85％。实验结果表明，基于关键词提取的搜索结果聚类算法优于目前已知的所有系统。

摘要： 本文针对面向查询的多文档自动文摘,提出了一种利用关键词提取技术的文摘句选择策略。通过计算多文档集中词语的查询相关性特征和语料相关性特征,并将词语的两个特征值进行特征融合得到每个词语的重要度,随后通过词语的重要度来给候选句打分,进一步利用改进的MMR技术来调整候选句的得分,最后生成文摘。本文将特征融合引入到词语层面,存DUC2005的语料中测试效果很好。

摘要： 针对高血压、糖尿病等慢性病人群的健康管理,通过半自动化的方式收集慢病相关的健康知识,构建了具有一定规模的健康知识库,并为健康知识库中的知识添加标签;运用医学自然语言处理技术对健康知识文本进行分析,实现了基于统计学的关键词提取算法并对算法进行了改进;对患者的健康数据进行分析提取,同时基于ICD-10、MeSH、临床指南等权威资源的相应主题词表构建了健康领域的主题词表;基于规则将患者特征映射至主题词表.半自动化处理能够提高健康知识库的构建效率,而知识库和用户标签匹配的个性化推荐,可以显著提高知识库的使用效果.

摘要： 针对科研入员不便在庞大数量级的科研项目中手动寻找合作者的现状,基于关键词提取、文本聚类、语义相似度度量等技术,提出了一种科研人员合作推荐方法,并加以实现.

摘要： 目前大多数自动标引方法不能有效利用文本中包含的多个特征。而支持向量机、条件随机场模型等统计机器学习模型能够有效利用文本包含的多种特征进行关键词提取。同时，由于各种自动标引模型性能各异，综合利用各种模型进行集成学习方式的自动标引，能够提高自动标引的质量。为了进一步提高自动标引的质量，本文试图整合统计机器学习模型与集成学习方法的优势，对文档进行基于多分类模型综合投票方式的自动标引。实验结果表明基于集成学习方法的自动标引能提高标引结果的查准率和召回率。另外，集成学习标引模型中，基分类器加权的标引结果，优于基分类器未加权的标引结果。

摘要： TextRank算法基于PageRank，用于为文本生成关键字，PageRank最开始用来计算网页的重要性。整个~可以看作一张有向图图，节点是网页。如果网页A存在到网页B的链接，那么有一条从网页A指向网页B的有向边。在web图模型中，如果一个页面节点接收到的其他网页指向的入链数量越多，那么这个页面越重要。指向页面A的入链质量不同，质量高的页面会通过链接向其他页面传递更多的权重。所以越是质量高的页面指向页面A，则页面A越重要。

摘要： TextRank算法基于PageRank，用于为文本生成关键字，PageRank最开始用来计算网页的重要性。整个~可以看作一张有向图图，节点是网页。如果网页A存在到网页B的链接，那么有一条从网页A指向网页B的有向边。在web图模型中，如果一个页面节点接收到的其他网页指向的入链数量越多，那么这个页面越重要。指向页面A的入链质量不同，质量高的页面会通过链接向其他页面传递更多的权重。所以越是质量高的页面指向页面A，则页面A越重要。

摘要： TextRank算法基于PageRank，用于为文本生成关键字，PageRank最开始用来计算网页的重要性。整个~可以看作一张有向图图，节点是网页。如果网页A存在到网页B的链接，那么有一条从网页A指向网页B的有向边。在web图模型中，如果一个页面节点接收到的其他网页指向的入链数量越多，那么这个页面越重要。指向页面A的入链质量不同，质量高的页面会通过链接向其他页面传递更多的权重。所以越是质量高的页面指向页面A，则页面A越重要。

摘要： TextRank算法基于PageRank，用于为文本生成关键字，PageRank最开始用来计算网页的重要性。整个~可以看作一张有向图图，节点是网页。如果网页A存在到网页B的链接，那么有一条从网页A指向网页B的有向边。在web图模型中，如果一个页面节点接收到的其他网页指向的入链数量越多，那么这个页面越重要。指向页面A的入链质量不同，质量高的页面会通过链接向其他页面传递更多的权重。所以越是质量高的页面指向页面A，则页面A越重要。

摘要： 本申请实施例提供了一种关键词提取方法，所述方法包括：对文本进行分词处理，得到多个候选词；对与所述文本具有相同语义的标题以字符为单位进行切分，得到多个字符；将所述多个候选词依次输入关键词提取模型，得到各个候选词相对于各个字符的注意力权重，所述注意力权重用于表征每个候选词分别与各个字符的语义关联程度；从各个候选词中选择在所述标题中出现的候选词；根据所述选择出的候选词相对于各个字符的注意力权重，确定提取阈值；根据所述提取阈值，从所述各个候选词中确定出所述文本的关键词。本申请实施例还提供了一种关键词提取模型的训练方法、装置及存储介质。

摘要： 本申请是关于一种关键词提取方法、关键词提取装置和计算机可读存储介质。该关键词提取方法包括：分别计算目标正文的文本向量与候选词表中每个候选词的相关度；从相关度大于相关度阈值的N个候选词中提取K个候选词，生成表示目标正文的候选词联合向量，N和K均为大于1的自然数；分别计算正文标题对应的第一标题向量和辅助标题对应的第二标题向量与候选词联合向量之间的第一相似度和第二相似度；以及将第一相似度大于第二相似度的候选词联合向量对应的K个候选词作为目标正文的关键词。通过对比文章标题与所提取出的关键词的一致性，并引入辅助的标题进行语义的判别，将无监督的问题变成有监督的问题，提升关键词提取的准确性。

摘要： 一种文本关键词提取方法及装置，一个实施例中的方法包括：获取待提取文本；在关联的关键词库中进行搜索，匹配出所述待提取文本中的关键词；根据所述待提取文本、匹配出的所述待提取文本中的关键词，确定出所有的文本句式及对应的关键词组合；根据关键词概率网络模型，分析确定各所述文本句式及对应的关键词组合成立的概率；将分析确定的概率中值最大的概率对应的关键词组合确定为从所述待提取文本中提取的关键词组合。本实施例方案响应速度快，且简化了提取文本关键词的难度，提高了文本关键词的准确性。

摘要： 本发明提供一种关键词提取方法，其包括：对提取文本的所有分析语句进行分词操作，以得到分析语句的词语单元；获取词语单元的词语特征、词语单元在对应分析语句中的语句特征、以及词语单元在所述提取文本中的文本特征；基于机器学习算法建立的机器学习模型，使用每个分析语句中的词语单元的词语特征、语句特征以及文本特征，对每个分析语句进行关键词提取操作。本发明还提供一种关键词提取装置，本发明的关键词提取方法及关键词提取装置使用词语单元的词语特征、语句特征以及文本特征建立机器学习模型，从而对每个分析语句进行关键词提取操作，进而提高了关键词提取的准确度。

摘要： 本发明公开一种关键词提取方法，包括：对待提取文本进行分词预处理，将若干分词结果中的词语转化为词向量；根据聚类算法将所有词向量划分为预设数量的类簇；将类簇包含的所有词向量进行相加，以得到类簇的类簇向量，并输入预设的关键词提取模型，以得到类簇的标准关键词的词向量；将与类簇的标准关键词的词向量相似度最高的词向量所对应的词语，确定为类簇的关键词，以提取待提取文本的关键词；关键词提取模型为通过第一文本语料库中的每一类簇的类簇向量作为输入，以及标准关键词的词向量作为输出训练深度神经网络模型所生成。同时本发明还提供一种关键词提取系统、关键词提取模型生成方法与系统。采用本发明实施例，能够提高关键词提取的效率。

摘要： 本发明涉及一种信息处理装置，其用于从视频播放媒体的解码后的图像数据和声音数据中分别提取出感兴趣广告的关键词，包括：广告检测部（201），其从所述图像数据和声音数据中检测出广告；感兴趣广告确定部（206），其从所述广告检测部（201）所检测出的广告中确定用户感兴趣的广告；关键词提取部（209、212、213），其从所述感兴趣广告确定部（206）确定的用户感兴趣的广告中提取出关键词。

摘要： 本公开是关于一种关键词提取方法、关键词提取装置及电子设备。其中关键词提取方法，包括：接收原始文档；从原始文档中提取候选词构成第一词语集合；获取第一词语集合中每个候选词与原始文档的第一关联度，根据第一关联度确定第二词语集合；基于原始文档，通过预测模型生成预测词，所得到的预测词构成第三词语集合；确定第二词语集合和第三词语集合的并集，获取并集中每个候选关键词与原始文档的第二关联度，并且获取并集中每个候选关键词的发散度；基于第二关联度和发散度，从并集中选择至少一个候选关键词作为关键词，构成关键词集合。通过关键词之间的发散度，从而解决关键词冗余的问题，关键词不受候选词词频的影响，丰富关键词的表达方式。

摘要： 本申请实施例提供了一种关键词提取方法，所述方法包括：对文本进行分词处理，得到多个候选词；对与所述文本具有相同语义的标题以字符为单位进行切分，得到多个字符；将所述多个候选词依次输入关键词提取模型，得到各个候选词相对于各个字符的注意力权重，所述注意力权重用于表征每个候选词分别与各个字符的语义关联程度；从各个候选词中选择在所述标题中出现的候选词；根据所述选择出的候选词相对于各个字符的注意力权重，确定提取阈值；根据所述提取阈值，从所述各个候选词中确定出所述文本的关键词。本申请实施例还提供了一种关键词提取模型的训练方法、装置及存储介质。

摘要： 本申请是关于一种关键词提取方法、关键词提取装置和计算机可读存储介质。该关键词提取方法包括：分别计算目标正文的文本向量与候选词表中每个候选词的相关度；从相关度大于相关度阈值的N个候选词中提取K个候选词，生成表示目标正文的候选词联合向量，N和K均为大于1的自然数；分别计算正文标题对应的第一标题向量和辅助标题对应的第二标题向量与候选词联合向量之间的第一相似度和第二相似度；以及将第一相似度大于第二相似度的候选词联合向量对应的K个候选词作为目标正文的关键词。通过对比文章标题与所提取出的关键词的一致性，并引入辅助的标题进行语义的判别，将无监督的问题变成有监督的问题，提升关键词提取的准确性。

摘要： 本发明提供一种关键词提取方法，其包括：对提取文本的所有分析语句进行分词操作，以得到分析语句的词语单元；获取词语单元的词语特征、词语单元在对应分析语句中的语句特征、以及词语单元在所述提取文本中的文本特征；基于机器学习算法建立的机器学习模型，使用每个分析语句中的词语单元的词语特征、语句特征以及文本特征，对每个分析语句进行关键词提取操作。本发明还提供一种关键词提取装置，本发明的关键词提取方法及关键词提取装置使用词语单元的词语特征、语句特征以及文本特征建立机器学习模型，从而对每个分析语句进行关键词提取操作，进而提高了关键词提取的准确度。