基于TF* PDF的热点关键短语提取

查看全文 作　　者：[1]马佩勋;[2]高琰

机构地区：[1]长沙民政学院软件学院,长沙410082;[2]中南大学信息科学与工程学院,长沙410000

出　　处：《计算机应用研究》索引2013年第30卷第12期,共4页

基　　金：国家教育部博士点新教师基金资助项目(20090162120087);湖南省科技计划资助项目(2009FJ3053) 摘　　要：传统的TF* PDF方法提取的关键短语可精确地描述话题并进行新闻报道的追踪,但存在误将噪声数据识别为关键短语的情况。提出了一种基于位置权重TF* PDF的两段式关键短语提取方法滤除噪声数据。该方法将传统的TF* PDF算法与位置权重相结合,计算词汇与短语的权重,获取候选关键短语列表,关键短语的脉冲值则用于过滤列表中的噪声。通过关键短语识别进程根据位置信息、频率信息等将热点词汇组合成短语。TF* PDF位置权重算法同时也用于为短语分配权重,排名前K的短语被认为是热点关键短语。以真实网络数据为基础的实验结果表明,该提取方法与传统的TF* PDF提取方法相比,可更好地去除关键词短语中的绝对噪声,较好地改善了热点话题检测的准确度。 关键词：TF*PDF TDT 提取脉冲值关键词短语

相关文献

参考文献（21）
引证文献（3）
耦合文献（22）

参考文献(21)

引证文献(3)

耦合文献(22)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

基于TF* PDF的热点关键短语提取

参考文献(21)

引证文献(3)

耦合文献(22)

用户提示