论文部分内容阅读
关键词的抽取广泛应用于自然语言处理过程中,对于中文关键词抽取,分词结果及候选词的选取严重影响后期的抽取结果。针对候选关键词的选取对文本特征表示方法进行改进,首先,提取词组特征表达为文本出现次数n、频数TF和逆频率IDF,将词组出现的次数n以二值表矩阵的形式表示出来,然后运用提取的TF与IDF计算出词组的TF-TDF值并将其从大到小排列,将其最大值作为初步的文本特征;然后再以文本特征的三个参数为三维空间(x.y.z)中的一个坐标点,以该点到原点(0.0.0)的距离R(R为原点距)为度量,最后,选取原点距R最