蘇祥坤，吾守爾·斯拉木，買買提依明·哈斯木，2

（1.新疆大學(xué) 信息科學(xué)與工程學(xué)院 新疆多語種信息技術(shù)實(shí)驗(yàn)室，新疆 烏魯木齊830046；2.和田師范?？茖W(xué)校 計(jì)算機(jī)科學(xué)系，新疆 和田848000）

0 引 言

文本挖掘是數(shù)據(jù)挖掘領(lǐng)域的一個(gè)重要表現(xiàn)，關(guān)鍵詞提取則是文本挖掘的重要手段和文本主題的體現(xiàn)，幫助用戶從繁重的文本信息選取工作中解脫出來。單文本關(guān)鍵詞提取是指針對(duì)單一的文本進(jìn)行主要信息的提取工作，關(guān)鍵詞是為了文獻(xiàn)標(biāo)引工作而從報(bào)告、論文中選取出來以表示全文主題內(nèi)容信息款目的單詞和術(shù)語。然而當(dāng)前人們每天使用的大多數(shù)互聯(lián)網(wǎng)網(wǎng)頁中并沒有提供其關(guān)鍵詞的標(biāo)引。這使得人們?cè)跒g覽網(wǎng)頁時(shí)，憑借網(wǎng)頁標(biāo)題和檢索結(jié)果很容易忽略一些對(duì)自己需求有價(jià)值的信息。本文針對(duì)此問題提出了一種基于詞序統(tǒng)計(jì)組合關(guān)鍵詞提取方法。本文通過統(tǒng)計(jì)詞序，組合生成組合詞，以此選取包括詞性特征、詞序特征、位置特征、詞頻特征、詞長(zhǎng)特征、詞跨度特征、TFIDF等在內(nèi)的多種特征進(jìn)行綜合評(píng)定候選關(guān)鍵詞的權(quán)重大小。該方法能夠高效提取表征文本主要信息的關(guān)鍵詞，其準(zhǔn)確率可達(dá)到70%以上，方便普通用戶和各領(lǐng)域、專業(yè)人員的使用。另外，由于日益增加的新詞、分詞系統(tǒng)的錯(cuò)誤劃分，可能將這些新詞進(jìn)行拆分并偏離原意。對(duì)一些高頻的未登錄的新詞，本文提出的方法在一定程度上具有很大的反饋?zhàn)饔谩?/p>

1 相關(guān)工作

目前，國內(nèi)外各學(xué)者已經(jīng)對(duì)關(guān)鍵詞提取進(jìn)行了大量的研究和實(shí)驗(yàn)。較常用的關(guān)鍵詞提取方法大致可以分為基于語義的方法、基于統(tǒng)計(jì)的方法和基于機(jī)器學(xué)習(xí)的方法三大類。

常用的基于語義的方法多是建立在分析詞語詞義，繼而構(gòu)造語義有向圖等。如：方俊等［1］提出的基于語義的關(guān)鍵詞提取算法，通過消歧算法得到候選詞，繼而提取出關(guān)鍵詞。謝鳳宏等［2］提出的基于加權(quán)復(fù)雜網(wǎng)絡(luò)的文本關(guān)鍵詞提取，通過構(gòu)建復(fù)雜的語義網(wǎng)絡(luò)拓?fù)鋱D來進(jìn)行關(guān)鍵詞的權(quán)重計(jì)算，并繼而提取出關(guān)鍵詞。胡學(xué)鋼等［3］提出的基于詞匯鏈的關(guān)鍵詞提取方法。此外還有張穎穎等［4］提出的基于同義詞的方法等等。

常用的統(tǒng)計(jì)方法多以TFIDF算法為基礎(chǔ)進(jìn)行關(guān)鍵詞權(quán)重計(jì)算并進(jìn)行關(guān)鍵詞提取實(shí)驗(yàn)的。如張建娥［5］提出的基于TFIDF 和詞語關(guān)聯(lián)度的中文關(guān)鍵詞提取方法2、李靜月［6］提出的對(duì)TFIDF 公式進(jìn)行改進(jìn)的網(wǎng)頁關(guān)鍵詞提取方法等等。

而常用的機(jī)器學(xué)習(xí)方法則是建立在大量的語料庫基礎(chǔ)上，并進(jìn)行大量的參數(shù)訓(xùn)練，多用SVM 模型和貝葉斯模型等進(jìn)行關(guān)鍵詞的計(jì)算和提取。如：羅準(zhǔn)辰［7］設(shè)計(jì)的基于分離模型的中文關(guān)鍵詞提取算法，對(duì)單獨(dú)的關(guān)鍵詞提取和串提取有不錯(cuò)的效果；王錦波［8］等提出的基于樸素貝葉斯模型的中文關(guān)鍵詞提取方法等。

2 本文方法

本文采用的是已有的中科院分詞系統(tǒng)進(jìn)行分詞和詞性標(biāo)注。在分詞的過程中，人工調(diào)整程序，每一個(gè)分詞和詞性標(biāo)注后的詞語進(jìn)行詞語在文章中的詞序的統(tǒng)計(jì)。本文實(shí)驗(yàn)是以網(wǎng)頁單文本為語料實(shí)驗(yàn)對(duì)象進(jìn)行實(shí)驗(yàn)的，所以本文初步對(duì)文本進(jìn)行預(yù)處理之后，再進(jìn)行分詞切詞、詞性標(biāo)注、詞序統(tǒng)計(jì)、停用詞過濾、組合詞生成、詞頻統(tǒng)計(jì)、二次過濾、權(quán)重計(jì)算、子串過濾和提取關(guān)鍵詞等步驟。其系統(tǒng)框架流程如圖1所示。

圖1 系統(tǒng)框架流程

2.1 文本預(yù)處理

通過閱讀及研究發(fā)現(xiàn)，文本的標(biāo)題和首句往往對(duì)文本主旨有很大的標(biāo)引作用，所以預(yù)處理階段主要是提取文本的標(biāo)題和首句。其文本標(biāo)題和正文的規(guī)律，具體可參見文獻(xiàn) ［9］。

對(duì)于文本首句的提取，在研究斷句的時(shí)候，發(fā)現(xiàn)從標(biāo)點(diǎn)符號(hào)的用法上可以進(jìn)行首句的提取。中文文本中，標(biāo)志句子的標(biāo)點(diǎn)有句號(hào)、問號(hào)、嘆號(hào)、省略號(hào)等。所以只要在句末找到這類符號(hào)，就可以裁定、提取出相應(yīng)句子。

2.2 組合詞生成

研究發(fā)現(xiàn)，現(xiàn)有分詞系統(tǒng)并不能全面的、完整的考慮到文本中的詞的關(guān)系，所以有些可以作為關(guān)鍵詞的詞組往往被拆分成單個(gè)的詞，而有時(shí)候詞組比單個(gè)詞更具有作為文章關(guān)鍵詞的作用來反映文章主旨。如計(jì)算機(jī)領(lǐng)域里的“數(shù)據(jù)挖掘”這個(gè)詞組，分詞之后會(huì)拆分成 “數(shù)據(jù)”和 “挖掘”，而單獨(dú)的 “數(shù)據(jù)”和 “挖掘”并沒有 “數(shù)據(jù)挖掘”一詞更能表達(dá)文章意思、主旨。

類似的詞語有很多，它們大多在文中被拆分的時(shí)候詞頻較大且左右相鄰，拆分后其詞與其它詞語搭配很少或不搭配。所以本文利用其在文中的詞序位置和詞性關(guān)系對(duì)其進(jìn)行了組合。在很大程度上避免了類似過濾缺點(diǎn)的發(fā)生。其中詞性的組合規(guī)則本文參照了張紅鷹［9］提出的詞性組合規(guī)則。有的研究人員采用構(gòu)建有向圖［10］的方法進(jìn)行組合詞的生成，但這樣無疑是增加了計(jì)算量和實(shí)現(xiàn)難度。還有先計(jì)算權(quán)重后進(jìn)行組合的方法［9］，但這樣容易在過濾和計(jì)算權(quán)重階段造成權(quán)重的計(jì)算偏差，繼而造成組合的偏差。還有羅準(zhǔn)辰［7］基于分離模型的提取詞串的方法，具有很高的準(zhǔn)確率，但需運(yùn)用大型統(tǒng)計(jì)詞典，這在處理大型批量數(shù)據(jù)計(jì)算量方面稍顯局限。

綜合分析后，根據(jù)主客觀需要，本文設(shè)計(jì)了如下算法，描述如下：

輸入：待提取關(guān)鍵詞的文本T，需提取的關(guān)鍵詞個(gè)數(shù)m

輸出：提取的m 個(gè)文本關(guān)鍵詞或詞組

步驟1 對(duì)原始文本進(jìn)行預(yù)處理，包括分詞切詞、詞性標(biāo)注、詞序統(tǒng)計(jì)及停用詞過濾；

步驟2 對(duì)步驟2得到的結(jié)果進(jìn)行詞語和詞組的詞頻統(tǒng)計(jì)，過濾掉詞頻大?。?的詞語；

步驟3 逐個(gè)詞語掃描，對(duì)步驟2得到的結(jié)果進(jìn)行詞語組合：前者詞語A 和后者詞語B 詞序之差＝1且符合合并規(guī)則的進(jìn)行相鄰合并，設(shè)置新組合詞的詞序?yàn)楹笳咴~語B的詞序值，并記錄被覆蓋的詞語；組合詞作為正常詞語進(jìn)行新的組合并標(biāo)記出新的詞性，直到所有詞語掃描完畢；

步驟4 過濾組合詞詞長(zhǎng)＜2或組合詞詞長(zhǎng)＞6的詞語，剩下的詞語作為候選詞語；

步驟5 對(duì)候選詞語計(jì)算權(quán)重并降序排列候選詞，進(jìn)行子串過濾，輸出排列前m 個(gè)權(quán)值較大的詞語作為最終關(guān)鍵詞。

2.3 二次過濾

通過研究發(fā)現(xiàn)，可作為一篇文章的關(guān)鍵詞的詞語在文章中出現(xiàn)的頻率往往在1詞以上，所以那些只出現(xiàn)一次的詞語就可以排除作為關(guān)鍵詞的可能而進(jìn)行過濾。

另外，可作為關(guān)鍵詞的詞長(zhǎng)一般最多包含6 個(gè)漢字，所以詞長(zhǎng)大于6個(gè)詞的就同樣可以排除作為關(guān)鍵詞的可能而進(jìn)行過濾。另外，作為關(guān)鍵詞的詞語多是名詞、動(dòng)詞、名詞類詞組或動(dòng)詞類詞組，所以其它詞性的詞語或詞組如：虛詞、介詞、助詞等，同樣也可以排除作為關(guān)鍵詞的可能而進(jìn)行過濾。

經(jīng)過兩次過濾之后，剩下的詞語作為候選詞進(jìn)行權(quán)重計(jì)算，其準(zhǔn)確率大大提高，時(shí)間和空間都會(huì)得到大大的改善。

2.4 權(quán)重計(jì)算

如果處理的是同一領(lǐng)域的文本，那么TFIDF會(huì)把那些在各個(gè)文本中都出現(xiàn)的高頻詞或關(guān)鍵詞給過濾掉。如：處理屬于科技類的一系列文本，由于 “信息檢索”可能出現(xiàn)在所有文本中，所以當(dāng)計(jì)算log（n/DF（x））時(shí)，結(jié)果會(huì)為0，因此可能會(huì)過濾掉這樣的重要關(guān)鍵詞。而單獨(dú)的只考慮其它特征又會(huì)容易忽略某一詞在不同文本的區(qū)分性和單文本的代表性。

所以本文同時(shí)采取TFIDF 和其它特征進(jìn)行綜合加權(quán)，計(jì)算候選關(guān)鍵詞的權(quán)重，并以此來提取關(guān)鍵詞。

2.4.1 詞頻加權(quán)

詞頻是一個(gè)詞語在文章中出現(xiàn)的總次數(shù)。研究發(fā)現(xiàn)，如果一個(gè)詞語在文章中出現(xiàn)的頻率越高，說明這個(gè)詞語對(duì)文章主旨反映的貢獻(xiàn)也就越大，所以本文對(duì)詞語詞頻的加權(quán)計(jì)算公式是

式中：Cpin＿weight——詞頻的權(quán)重，n＿pinlv——該詞在文章中出現(xiàn)的總次數(shù)。Cpin＿weight隨著詞頻的增加而逐漸上升，且逐漸向1收斂。也就是說詞語出現(xiàn)的頻率越高，該詞作為關(guān)鍵詞的可能性也就越大。但增長(zhǎng)又非線性的，即便詞頻過高，也會(huì)基本趨于穩(wěn)定，更符合實(shí)際權(quán)重計(jì)算的需要。

2.4.2 詞性加權(quán)

研究發(fā)現(xiàn)，對(duì)于一篇文章而言，反映文本主旨的，可以作為關(guān)鍵詞的多是名詞類和動(dòng)詞類的詞語等等。所以詞語Ci詞性的權(quán)重公式如下所示

2.4.3 標(biāo)題、首句和首末段加權(quán)

研究發(fā)現(xiàn)，一篇文章的標(biāo)題的命名好壞、準(zhǔn)確與否直接影響了文章的主旨反映和讀者的興趣。更有甚者，一篇文章的標(biāo)題往往是一篇文章主旨的濃縮，甚至是核心內(nèi)容，所以出現(xiàn)在文章標(biāo)題里的詞語也往往對(duì)與關(guān)鍵詞提取具有重要的貢獻(xiàn)。

文章首句則常是文章話題、主題或是文章所要議論的引發(fā)、提示，所以首句中的詞語對(duì)關(guān)鍵詞的提取貢獻(xiàn)也同樣不容忽視。

另外，一篇文章的第一段往往是全文的初步概括，承載著全文的主旨，所以對(duì)出現(xiàn)在第一段中的詞也需要增設(shè)權(quán)重。末段往往是對(duì)全文的概括和總結(jié)，所以也納入了考慮范圍。

出現(xiàn)在其它段的詞不再額外增設(shè)權(quán)重值。其各權(quán)重設(shè)置見表1。

表1 權(quán)重設(shè)置

2.4.4 詞長(zhǎng)加權(quán)

研究發(fā)現(xiàn)，一個(gè)詞語的長(zhǎng)度越長(zhǎng)，則包含的信息量也就越豐富，更加能起到表達(dá)文章主旨的作用，成為關(guān)鍵詞的可能性也就越大。其計(jì)算公式如下所示

式中：Cchang＿weight——詞長(zhǎng)的權(quán)重，C＿length 是詞的長(zhǎng)度。

2.4.5 詞跨度加權(quán)

研究發(fā)現(xiàn)，詞語在正文中首次出現(xiàn)和末次出現(xiàn)的跨度越大，則詞在貫穿全文和表達(dá)文章主旨的作用上也就越重要，可以在一定程度上做為關(guān)鍵詞提取的考慮因素。計(jì)算公式如下所示

式中：Ckua＿weight——詞跨度的權(quán)重，Clast——詞最后出現(xiàn)在文章中的詞序，Cfirst——詞首次出現(xiàn)在文章中的詞序，Ctotal——文章中的最后一個(gè)詞的詞序。

2.4.6 TFIDF權(quán)重計(jì)算

TFIDF是一種常用的經(jīng)典的統(tǒng)計(jì)方法，詞語X 在文本P中出現(xiàn)的頻率越高，同時(shí)在其它文本中出現(xiàn)的頻率越低，則X 對(duì)P的貢獻(xiàn)也就越大，其公式為TFIDF＝TF＊IDF，其中，TF表示詞頻 （term frequency），IDF 表示逆向文件頻率 （inverse document frequency）TF 表示詞條在文本中出現(xiàn)的頻率。

但如果關(guān)鍵詞在所有文本中都出現(xiàn)，log（n/DF（x））＝0。那么只用TFIDF 方法是提取不出來該詞的。如果采用依據(jù)詞庫的方法進(jìn)行提取，其詞庫的建立完善與否直接關(guān)系到提取的準(zhǔn)確性，而且需要大量的比較和計(jì)算，這在進(jìn)行大數(shù)據(jù)操作時(shí)具有很大的局限性，所以本文只把TFIDF作為一個(gè)重要加權(quán)特征進(jìn)行考慮。

2.4.7 最終權(quán)重計(jì)算

綜合以上分析，最終權(quán)重計(jì)算公式為

式中：Last＿weight——候選詞的最終權(quán)重，a，b，c，d，e，f，g，h，i均為各個(gè)特征權(quán)重的比例因子，可以用來調(diào)整不同特征權(quán)重在最終權(quán)重的貢獻(xiàn)度大小。將最終權(quán)重值按大小降序排列，得到前N 個(gè)詞作為候選關(guān)鍵詞。各種屬性的系數(shù)影響因子賦值參考文獻(xiàn) ［9］如下所示：a＝1.5，b＝1.1，c＝1.0，d＝1.0，e＝1.0，f＝1.0，g＝1.0，h＝1.0，i＝1.0。

2.5 子串過濾

對(duì)最終候選詞排序的時(shí)候，有的詞可能會(huì)是另一個(gè)詞的子串，而子串往往沒有父串的語義信息豐富，作為關(guān)鍵詞的可能性小，如果子串、父串都進(jìn)行提取可能會(huì)造成信息的重復(fù)提取，進(jìn)而影響結(jié)果的準(zhǔn)確度。如： “信息檢索”一詞是“信息”和 “檢索”的父串，所以遇見類似的情況的時(shí)候，只提取父串“信息檢索”即可。但如果只單純的考慮包含關(guān)系的過濾和利用分詞的最小詞頻進(jìn)行過濾［9］可能會(huì)造成重要語義的過濾。如一篇關(guān)于計(jì)算機(jī)的文章，文章中多次出現(xiàn)“計(jì)算機(jī)應(yīng)用”，“計(jì)算機(jī)發(fā)展”，“計(jì)算機(jī)科學(xué)”等詞語，但對(duì)于這篇文章來說，文章主旨和語義指向應(yīng)該是 “計(jì)算機(jī)”，即計(jì)算機(jī)比計(jì)算機(jī)應(yīng)用更加具有關(guān)鍵詞代表性。

那么，如果只單純的考慮包含關(guān)系的過濾，就會(huì)過濾掉 “計(jì)算機(jī)”這個(gè)詞，那么就會(huì)造成提取詞語語義的局限性，只提取了局部語義。而如果只考慮子串權(quán)重大于父串權(quán)重就全部提取，又會(huì)造成上述類似 “信息檢索”和 “信息”“檢索”的重復(fù)提取，容易造成具體指向不明，影響最終提取結(jié)果的準(zhǔn)確率。

研究發(fā)現(xiàn)，經(jīng)本文方法計(jì)算的最終權(quán)重，有意義的子串父串最大差值不超過0.25，所以本文曾采用了子串值＜父串值＋0.25的方法進(jìn)行過濾子串實(shí)驗(yàn)。但后來實(shí)驗(yàn)發(fā)現(xiàn)如果采用此方法過濾，不能針對(duì)所有文本過濾掉子串，當(dāng)子串權(quán)重實(shí)際較大的時(shí)候，便過濾不掉這種子串。如軍事類別中一篇關(guān)于遼寧艦的文章，在此文章中，“遼寧艦”一詞被分詞成 “遼寧”和 “艦”兩個(gè)詞，實(shí)際詞頻值分別為10 和13，計(jì)算的權(quán)重分別為2.709090909090909 和2.7285714285714286，而實(shí)際的組合詞 “遼寧艦”的權(quán)重是1.9090909090909092，那么再用該方法過濾的時(shí)候就過濾不掉子串。所以，本文采用組合詞頻的比值方法來過濾子串。其計(jì)算公式如下所示

式中：ci＿gl——計(jì)算結(jié)果，C＿pinlv——組合詞C的詞頻值，A＿pinlv 和B ＿pinlv——子串A 和B 的詞頻值。當(dāng)ci＿glv的值大于0.3［9］的時(shí)候就過濾掉子串，否則不過濾。通過實(shí)驗(yàn)結(jié)果表明，該方法較前幾種過濾方法能夠更好的過濾掉子串。

3 實(shí)驗(yàn)結(jié)果

本文實(shí)驗(yàn)環(huán)境為Window XP 操作系統(tǒng)，2.8 GHz的CPU，2G 內(nèi)存，編程工具為Myeclipse10。我們從人民網(wǎng)站上采集了涉及教育、經(jīng)濟(jì)、博客、軍事，科技，汽車，娛樂7個(gè)領(lǐng)域的2100篇文本。隨機(jī)抽取20篇，30篇，40篇文本，文本平均大小為7KB左右，對(duì)每一篇文本提取5個(gè)關(guān)鍵詞，分別對(duì)使用詞序和沒有使用詞序兩類提取關(guān)鍵詞的方法進(jìn)行測(cè)試，其提取結(jié)果與4個(gè)語言學(xué)專業(yè)的研究生人工提取的關(guān)鍵詞準(zhǔn)確率進(jìn)行比較。準(zhǔn)確率計(jì)算公式為

式中：P——準(zhǔn)確率，A——計(jì)算機(jī)抽取的關(guān)鍵詞集合，H——人工標(biāo)注的關(guān)鍵詞集合，｜A∩H｜——兩個(gè)集合完全匹配的關(guān)鍵詞數(shù)目，｜A｜——A 集合所包含關(guān)鍵詞數(shù)目。最終計(jì)算結(jié)果與無詞序組合的TFIDF方法、有詞序組合的TFIDF方法、無詞序組合的本文方法進(jìn)行結(jié)果比較。實(shí)驗(yàn)計(jì)算結(jié)果如圖2所示。

圖2 實(shí)驗(yàn)結(jié)果

從圖2中我們可以看出，本文采用的基于詞序統(tǒng)計(jì)組合的關(guān)鍵詞提取方法較無詞序的提取方法，準(zhǔn)確率至少提高了7.55個(gè)百分點(diǎn)。本文方法較其它3種方法提取的結(jié)果準(zhǔn)確率都有不同程度的提高，具體結(jié)果見表2。

表2 各方法提取結(jié)果對(duì)比

實(shí)驗(yàn)結(jié)果表明，本文提出的詞序統(tǒng)計(jì)組合的方法較其它方法更加高效、準(zhǔn)確，該方法提取的關(guān)鍵詞能較好的反映和體現(xiàn)文本主題。另外，影響結(jié)果準(zhǔn)確率的原因有：首先，分詞的準(zhǔn)確率高低是對(duì)結(jié)果準(zhǔn)確率產(chǎn)生重要的影響因素之一；由于本文沒有考慮命名實(shí)體的識(shí)別，所以對(duì)于人名、地名，尤其是外譯名詞等識(shí)別度不高，這也影響了結(jié)果的準(zhǔn)確度；網(wǎng)頁文章不似科技學(xué)術(shù)文獻(xiàn)寫作那么規(guī)范，用詞那么準(zhǔn)確，表征性那么高；組合詞只考慮了部分主要詞類的組合，沒有完整的語義組合規(guī)則，這也有一定的局限性；此外，人工提取關(guān)鍵詞的時(shí)候，由于各人認(rèn)識(shí)不同，所以關(guān)鍵詞提取的時(shí)候，不可避免的出現(xiàn)人工誤差，這也會(huì)影響結(jié)果的準(zhǔn)確度。以上原因都將是我們以后工作將要改進(jìn)和努力的地方。

4 結(jié)束語

本文進(jìn)行了三次候選詞的過濾，第一次是對(duì)停用詞的過濾，第二次是對(duì)組合后的詞組和低頻詞進(jìn)行過濾。第三次是對(duì)候選詞子串的過濾。實(shí)驗(yàn)發(fā)現(xiàn)，經(jīng)過三次過濾，實(shí)驗(yàn)結(jié)果的準(zhǔn)確性較一次、兩次過濾得到大大的改善和提高。由于我們的實(shí)驗(yàn)尚在在起步階段，準(zhǔn)確率會(huì)受同義詞、近義詞等詞義方面的影響，此外還會(huì)受外譯詞語和新生詞等方面的影響。另外，本文對(duì)未登錄的新詞也起到了一定的識(shí)別作用，但對(duì)其識(shí)別的精確度還優(yōu)待改善、提高。以后的工作，我們會(huì)重點(diǎn)針對(duì)這些方面進(jìn)行提高和改善。

［1］FANG Jun，GUO Lei，WANG Xiaodong.Semantically improved automatic keyphrase extraction ［J］.Computer Science，2008，35 （6）：148－151 （in Chinese）. ［方俊，郭雷，王曉東.基于語義的關(guān)鍵詞提取算法 ［J］.計(jì)算機(jī)科學(xué)，2008，35（6）：148－151.］

［2］XIE Fenghong，ZHANG Dawei，HUANG Dan，et al.Text keywords extraction based on weighted complex network ［J］.Journal of Systems Science and Mathematical Sciences，2010（11）：1592－1596 （in Chinese）. ［謝鳳宏，張大為，黃丹，等.基于加權(quán)復(fù)雜網(wǎng)絡(luò)的文本關(guān)鍵詞提取 ［J］.系統(tǒng)科學(xué)與數(shù)學(xué)，2010 （11）：1592－1596.］

［3］HU Xuegang，LI Xinghua，XIE Fei，et al.Keyword extraction based on lexical chains for Chinese news web pages ［J］.Pattern Recognition and Artificial Intelligence，2010，23 （1）：45－51 （in Chinese）.［胡學(xué)鋼，李星華，謝飛，等.基于詞匯鏈的中文新聞網(wǎng)頁關(guān)鍵詞提取方法 ［J］.模式識(shí)別與人工智能，2010，23 （1）：45－51.］

［4］ZHANG Yingying，XIE Qiang，DING Qiulin.Chinese keyword extraction algorithm based on synonym chains［J］.Computer Engineering，2010，36 （19）：93－95 （in Chinese）.［張穎穎，謝強(qiáng)，丁秋林.基于同義詞鏈的中文關(guān)鍵詞提取算法［J］.計(jì)算機(jī)工程，2010，36 （19）：93－95.］

［5］ZHANG Jian’e.A Chinese keywords extraction approach based on TFIDF and word correlation ［J］.Information Science，2012，30 （10）：1542－1544 （in Chinese）. ［張建娥.基于TFIDF和詞語關(guān)聯(lián)度的中文關(guān)鍵詞提取方法 ［J］.情報(bào)科學(xué)，2012，30 （10）：1542－1544.］

［6］LI Jingyue，LI Peifeng，ZHU Qiaoming.An improved TFIDF based approach to extract key words from web pages ［J］.Computer Applications and Software，2011，28 （5）：25－27（in Chinese）.［李靜月，李培峰，朱巧明.一種改進(jìn)的TFIDF網(wǎng)頁關(guān)鍵詞提取方法 ［J］.計(jì)算機(jī)應(yīng)用與軟件，2011，28（5）：25－27.］

［7］LUO Zhunchen，WANG Ting.Research on the Chinese keyword extraction algorithm based on separate models［J］.Journal of Chinese Information Processing，2009，23 （1）：63－70（in Chinese）.［羅準(zhǔn)辰，王挺.基于分離模型的中文關(guān)鍵詞提取算法研究 ［J］.中文信息學(xué)報(bào)，2009，23 （1）：63－70.］

［8］WANG Jinbo，WANG Lianzhi，GAO Wanlin，et al.On an improved nave Bayesian keyword extraction algorithm ［J］.Computer Applications and Software，2014，31 （2）：174－181（in Chinese）.［王錦波，王蓮芝，高萬林，等.一種改進(jìn)的樸素貝葉斯關(guān)鍵詞提取算法研究 ［J］.計(jì)算機(jī)應(yīng)用與軟件，2014，31 （2）：174－181.］

［9］ZHANG Hongying.Chinese key words extraction algorithm［J］.Computer Systems＆Applications，2009，26 （8）：73－76（in Chinese）.［張紅鷹.中文文本關(guān)鍵詞提取算法 ［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2009，26 （8）：73－76.］

［10］JIANG Changxing，PENG Hong，CHEN Jianchao，et al.Keywords extraction algorithm based on combined word and synset［J］.Application Research of Computers，2010，27（8）：2853－2856 （in Chinese）. ［蔣昌星，彭宏，陳建超，等.基于組合詞和同義詞集的關(guān)鍵詞提取算法 ［J］.計(jì)算機(jī)應(yīng)用研究，2010，27 （8）：2853－2856.］

［11］YUAN Jinsheng，MAO Xinwu.Keyword extraction from Chinese news web pages based on multi－features［J］.Computer Engineering and Applications，2014，50 （19）：222－226 （in Chinese）.［袁津生，毛新武.基于組合特征的中文新聞網(wǎng)頁關(guān)鍵詞提取方法 ［J］.計(jì)算機(jī)工程與應(yīng)用，2014，50 （19）：222－226.］