基于組合詞和同義詞集的關鍵詞提取算法

摘要：為了提高關鍵詞的提取準確率，在對現(xiàn)有關鍵詞抽取方法進行研究的基礎之上，針對影響關鍵詞提取準確率的分詞技術、同義詞現(xiàn)象等難點，提出了一種基于組合詞和同義詞集的關鍵詞提取算法。該算法首先利用組合詞識別算法極大地改進分詞效果，能識別網(wǎng)頁上絕大多數(shù)的新詞、未登錄詞，為提高關鍵詞自動抽取準確率奠定了堅實的基礎；同時利用構造的同義詞集，合并同義詞的詞頻，避免了同義詞在輸出結果中出現(xiàn)；利用綜合評分公式，充分考慮候選關鍵詞的位置、長度、詞性等特性。實驗數(shù)據(jù)表明，該方法有較高的提取準確率。

關鍵詞：組合詞；同義詞集；中文網(wǎng)頁；關鍵詞提取

中圖分類號：TP391.1 文獻標志碼：A 文章編號：1001－3695(2010)08－2853－04