关键词是文档主题信息的精炼,借助关键词可以快速地获取文本主旨,其研究成果可广泛用于文档检索、文本分类、文本主题挖掘等具体领域。传统基于图的关键词提取方法主要研究的是对词图中的单词进行准确评分,对提取关键短语的研究工作不足,且利用的有效属性较少。本文聚焦于用图方法进行关键词提取,总结了传统图模型的不足,提出多属性融合的图关键词提取方法,论文工作包括:提出关键词的相关属性和其属性值的计算方法,围绕通用关键词提取框架对现有方法进行综述,重点介绍与本文方法相关的基于图的关键词提取方法。首先利用已有的算法取得词图中每个单词的评分,然后据此融合短语的多种属性对候选关键短语评分并排序进而提取关键词。针对传统图方法中候选短语的评分结果易受单词的评分与短语长度的影响,本章提出融和短语频率属性、位置属性与长度属性的评分方法,尝试改变属性值的计算方法与融合方法以找到最佳的短语评分方法。实验结果表明,最优的融合方法在三类数据集上的各项评分指标都超越了其他对比的融合方法,能提高关键词提取结果。基于PageRank算法,结合词向量与词显式属性来改进词图中的单词评分算法。针对现有基于图的关键词提取方法忽略了词在序列中的潜在语义关系,本章使用词间关系属性和包含语义关系的词向量作为词图的边权重,将词语的位置属性值作为词图的点权重从而修改随机游走模型。实验部分将改进的单词评分方法替换第三章中的单词评分算法,探究在不同融合方式下单词的评分和短语的评分对关键词提取的影响。与其他无监督关键词提取算法的对比实验结果显示,改进的单词评分算法能更好地为单词和短语打分,从而提高关键词的提取性能。