新闻中的关键词可以提高用户体验,帮助读者加速阅读和筛选感兴趣的内容。然而人工为新闻标注关键词需要消耗大量人力、物力和财力。我们实现了具有实用价值的中文关键词提取系统,适用于各个领域的新闻资料。实验表明我们的关键词提取算法,不论是准确性还是实用性均优于传统算法。为了增强关键词的表达能力,我们提出了短语级别的中文关键词提取算法。首次将查询日志(Query log)应用到短语合并的算法中,结合局部频率,边界熵,边界多样性等统计算法,极大地提高了生成短语的正确率。同时,从工程角度考虑,结合查询日志的特性,优化算法,大大加快了生成短语的速度。实验数据证明,短语级别的关键词极大地提高了准确率和召回率。我们首次将诸如短语长度信息,短语位置信息,伪语义相似度信息,背景信息等融合到TextRank模型中,将原本无向加权图强化为有向加权图,增强了TextRank模型的表达力,使基于TextRank模型的关键词提取算法更加有效。实验结果表明我们的算法是非常有效的。目前中文关键词提取领域缺乏一套通用的标准和评测集。为此,我们制订了一套明确的“关键词提取规范”。并将这套规范交由第三方公司标注了一套关键词提取评测集,为中文关键词提取的规范化做出一些贡献。