计算机应用研究

作者：杨朝举,葛唯益,王羽,徐建,

单位：1.南京理工大学计算机科学与工程学院,南京210094；2.中国电子科技集团公司第二十八研究所信息系统工程重点实验室,南京210007；

关键词：文本挖掘,图分解,关键词提取,

基金：国家自然科学基金资助项目(61872186)；信息系统工程重点实验室开放基金资助项目(05201901)；；

关键词提取在众多文本挖掘任务中扮演着重要的角色，其提取效果直接影响了文本挖掘任务的质量。以文本为研究对象，提出了一种基于k-truss图分解的关键词提取方法，名为KEK（keyword extraction based on k-truss）。该方法首先借助空间向量模型理论，以文本中的词为节点，通过词语之间的共现关系来构建文本图，接着利用k-truss图分解技术来获取文本语义特征，并结合词频、单词位置特征、复杂网络特征等构造无参评分函数，最终根据评分结果来提取关键词。通过在基准数据集上进行实验验证，结果表明KEK算法在提取短文本关键词上的F1值性能指标优于其他基于文本图的关键词提取方法。

来源：2021年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第4期