基于组合词和同义词集的关键词提取算法.pdf

27 8 Vol． 27 No． 8 第 卷第 期 计 算 机 应 用 研 究 2010 8 Application Research of Computers Aug． 2010 年 月 基于组合词和同义词集的关键词提取算法* ， ， ， ， 蒋昌金 彭 宏 陈建超 马千里 严桂夺 ( ， 510640) 华南理工大学计算机科学与工程学院 广州 : ， ， 摘 要 为了提高关键词的提取准确率 在对现有关键词抽取方法进行研究的基础之上 针对影响关键词提取 、 ， 。 准确率的分词技术 同义词现象等难点 提出了一种基于组合词和同义词集的关键词提取算法 该算法首先利 ， 、 ， 用组合词识别算法极大地改进分词效果 能识别网页上绝大多数的新词 未登录词 为提高关键词自动抽取准确 ; ， ， ; 率奠定了坚实的基础 同时利用构造的同义词集 合并同义词的词频 避免了同义词在输出结果中同现 利用综 ， 、 、 。 ， 。 合评分公式 充分考虑候选关键词的位置 长度 词性等特性 实验数据表明 该方法有较高的提取准确率 : ; ; ; 关键词 组合词 同义词集 中文网页 关键词提取 中图分类号:TP391. 1 文献标志码:A 文章编号:1001-3695 (2010)08-2853-04 doi :10 ． 3969 /j ． issn． 1001-3695． 2010 ． 08． 010 Keywords extraction algorithm based on combined word and synset JIANG Chang-jin ，PENG Hong ，CHEN Jian-chao ，MA Qian-li ，YAN Gui-duo (School of Comp uter Science ＆ Engineering ，South China University of Technology ，Guangzhou 510640 ，China) Abstract :This paper presented a Chinese webpage keywords extraction algorithm after the study of existing techniques for keyword extraction． The presented approach could extremely improve the performance of Chinese word segmentation system． The modified Chinese word