检索结果-南通市图书馆

考试(理论实践) 2010年第Z4期 68-69页

作者：朱涛江苏省镇江第一中学

在语文试卷中出现的所谓"关键词"实指一段文字中能展现文段主体内容的"词眼",它一般由名词或动词充当,阅读几个关键词,即可大体了解一段文字的基本内容。联系压缩语段的一些方法,可以归纳出提取关键词方法。

关键词：压缩语段关键词提取控烟措施李毅中说明对象烟草税中心句

融合主题词嵌入和网络结构分析的主题关键词提取方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

数据分析与知识发现 2019年第7期3卷 52-60页

作者：曾庆田胡晓慧李超山东科技大学电子信息工程学院青岛266590 山东科技大学计算机科学与工程学院青岛266590 同济大学嵌入式系统与服务计算教育部重点实验室上海201804

【目的】构建一种更加准确的主题关键字提取模型,从词向量与主题模型相结合的角度出发解决词频较小主题相关度较高词语发现的问题。【方法】提出一种融合主题词嵌入和网络结构分析的主题关键词提取方法,利用LDA主题模型进行主题关键词... 详细信息

【目的】构建一种更加准确的主题关键字提取模型,从词向量与主题模型相结合的角度出发解决词频较小主题相关度较高词语发现的问题。【方法】提出一种融合主题词嵌入和网络结构分析的主题关键词提取方法,利用LDA主题模型进行主题关键词的初步提取,利用Word2Vec训练词向量,利用词向量相似度传播构建关键词网络,利用网络结构分析方法对主题词进行二次提取。【结果】实验结果表明,本文所提方法使得主题关键词之间的平均相似度提高14.75%,同时,在相同主题下的关键词比较中,本文方法相比LDA模型能够更准确地发现低词频高主题相关的词。【局限】样本数量有限,分词处理过程需要过多的人工参与,未对主题关键词提取结果进行深入的量化分析。【结论】融合词嵌入和网络分析方法进行文档主题关键词提取,能够有效发现低词频高主题相关的关键词,为摘要提取、舆情分析等研究提供新思路。

关键词：网络结构分析词嵌入主题模型关键词提取表示学习

TRIZ视域下关键词提取与设计学知识谱系构建研究

在线全文

学校读者我要写书评

暂无评论

包装工程 2024年第10期45卷 270-280页

作者：闫胜昝李轶南南京工程学院南京211167 东南大学南京211189

目的旨在通过分析TRIZ在中国设计创新研究中的关键词和知识图谱,深入探讨TRIZ理论在中国设计学领域的应用潜力。方法搜集并筛选CNKI数据库中TRIZ理论视域下设计学相关文献作为数据源,运用CiteSpace软件进行文献科学计量可视化分析,统计... 详细信息

目的旨在通过分析TRIZ在中国设计创新研究中的关键词和知识图谱,深入探讨TRIZ理论在中国设计学领域的应用潜力。方法搜集并筛选CNKI数据库中TRIZ理论视域下设计学相关文献作为数据源,运用CiteSpace软件进行文献科学计量可视化分析,统计年度发文量以了解当前研究现状。通过关键词共现和聚类的方法,提取了TRIZ设计领域的关键词,并构建了设计知识图谱,以预测研究脉络的发展方向和未来趋势。结果研究表明,国内TRIZ设计研究应着重关注四个重要方面,并在TRIZ设计视域下提出了推进创新的三个关键方向。结论为推动TRIZ理论在设计创新中的发展,建议加强对设计研究理论体系和核心工具的研究,积极发展集成方法和创新理论,促使TRIZ理论更好地走向企业设计实践,同时,鼓励关注智能产品的全生命周期发展。为TRIZ理论视域下的设计创新研究提供了一定的参考和启示。

关键词： TRIZ 创新设计关键词提取知识谱系构建文献计量法

维普期刊数据库博看期刊

融合关键词提取与远程监督的文物信息资源实体关系抽取方法研究

在线全文

学校读者我要写书评

暂无评论

现代情报 2023年第2期43卷 30-41页

作者：彭博童兆莉华中科技大学建筑与城市规划学院湖北武汉430074 华中师范大学信息管理学院湖北武汉430079 湖北省城镇化工程技术研究中心湖北武汉430074

[目的/意义]“文博热”的到来在互联网中催生了大量与文物有关的信息资源,其中大多数以非结构化数据的形式存在,如何从中抽取实体关系是进行信息资源深度利用、传播文物知识、弘扬中华优秀传统文化的基础。[方法/过程]文章提出了一种利... 详细信息

[目的/意义]“文博热”的到来在互联网中催生了大量与文物有关的信息资源,其中大多数以非结构化数据的形式存在,如何从中抽取实体关系是进行信息资源深度利用、传播文物知识、弘扬中华优秀传统文化的基础。[方法/过程]文章提出了一种利用关键词抽取算法获取信息资源中与文物主题有关的关键词作为外部知识库检索词,使用SPARQL检索获取实体关系并根据语义进行对齐后,利用远程监督自动进行信息资源实体关系抽取的方法。[结果/结论]在与其他方法的对比试验中,该方法在多个关键词阈值下取得了较好的效果,融合了多种关键词抽取方法在获取信息资源内容上的优势与特点,有效解决了远程监督关系抽取带来的噪音以及关系长尾问题,是一种面向网络信息资源自动进行实体关系抽取的可行方法。

关键词：关键词提取远程监督文本聚类文本分类实体关系抽取

在线全文

学校读者我要写书评

暂无评论

特征驱动的关键词提取算法综述

软件学报 2018年第7期29卷 2046-2070页

作者：常耀成张宇翔王红万怀宇肖春景中国民航大学计算机科学与技术学院天津300300 北京交通大学计算机与信息技术学院北京100044

面向文本的关键词自动提取一直以来是自然语言处理领域的一个关键基础问题和研究热点.特别是,随着当前对文本数据应用需求的不断增加,使得关键词提取技术进一步得到研究者的广泛关注.尽管近年来关键词提取技术得到长足的发展,但提取结... 详细信息

面向文本的关键词自动提取一直以来是自然语言处理领域的一个关键基础问题和研究热点.特别是,随着当前对文本数据应用需求的不断增加,使得关键词提取技术进一步得到研究者的广泛关注.尽管近年来关键词提取技术得到长足的发展,但提取结果目前还远未取得令人满意的效果.为了促进关键词提取问题的解决,对近年来国内、外学者在该研究领域取得的成果进行了系统总结,具体包括候选关键词生成、特征工程和关键词提取3个主要步骤,并对未来可能的研究方向进行了探讨和展望.不同于围绕提取方法进行总结的综述文献,主要围绕着各种方法使用的特征信息归纳总结现有成果,这种从特征驱动的视角考察现有研究成果的方式有助于综合利用现有特征或提出新特征,进而提出更有效的关键词提取方法.

关键词：关键词提取候选关键词生成特征有监督方法图方法

在线全文

学校读者我要写书评

暂无评论

基于图神经网络的专利关键词提取算法研究

情报理论与实践 2023年第5期46卷 202-208页

作者：王玉叶王玙西安电子科技大学经济与管理学院陕西西安710126

[目的/意义]专利关键词提取是专利挖掘任务中非常重要的前置子任务,基于图模型的关键词提取是目前最有效的算法。传统图模型只考虑了单词的局部上下文信息,为了捕获单词的全局信息,提出一种基于图神经网络的专利关键词提取算法,结合词... 详细信息

[目的/意义]专利关键词提取是专利挖掘任务中非常重要的前置子任务,基于图模型的关键词提取是目前最有效的算法。传统图模型只考虑了单词的局部上下文信息,为了捕获单词的全局信息,提出一种基于图神经网络的专利关键词提取算法,结合词向量与图模型实现专利关键词的提取。[方法/过程]首先,用专利数据集构建异构网络,以专利分类号为标签,训练图神经网络模型,使得同一主题下的单词具有相似的向量表示,获取包含主题信息的词向量;然后,根据专利摘要在滑动窗口内的单词共现关系和词向量相似度,构建融合了单词主题信息的文本图,利用词向量中的主题信息捕获单词的全局联系;最后,在文本图上使用PageRank算法,获取关键节点,构成专利的关键词。[结果/结论]与基线方法相比,该算法在提取专利关键词时,能够检测到新颖性与准确性更高的关键词。

关键词：关键词提取图神经网络专利词向量 PageRank

基于多粒度注意力和预训练模型的文本关键词提取方法研究

在线全文

学校读者我要写书评

暂无评论

基于多粒度注意力和预训练模型的文本关键词提取方法研究

作者：叶廉杭州电子科技大学

学位级别：硕士

文本关键词提取任务致力于从目标文本中提取能够高度概括文本语义的短语,不仅能够直接给予用户短语级的文本摘要,而且能够作为额外的特征,影响下游自然语言处理任务的结果。基于向量嵌入的无监督文本关键词提取方法一直是关键词提取的... 详细信息

文本关键词提取任务致力于从目标文本中提取能够高度概括文本语义的短语,不仅能够直接给予用户短语级的文本摘要,而且能够作为额外的特征,影响下游自然语言处理任务的结果。基于向量嵌入的无监督文本关键词提取方法一直是关键词提取的热门研究方向,但是现有的方法大多使用基于词袋的语言嵌入模型和距离相似度算法提取关键词,这些方法将关键词脱离文本独立处理,忽略了关键词在文本中的上下文信息,并且对于差异化文本使用完全相同的计算参数,导致提取的关键词难以概括文本主题。另外,随着预训练语言模型的发展,基于预训练语言模型的有监督方法展现出强大的文本关键词提取能力,但是现有的方法选择将提取任务简化为序列标注问题,通过二分类方法判别候选短语是否为关键词。这种独立判别关键词的方法往往忽视了候选短语与原生文本中全局语义的联系,导致无法提取出概括能力强的关键词。因此,本文针对性展开以下研究:(1)针对基于向量嵌入的无监督模型忽视关键词的上下文信息和无法特定处理不同特征的问题,本文设计了一种基于双向多粒度注意力的无监督文本关键词抽取模型。本模型中,短语候选特征能够使用多粒度交叉注意力学习原生文本特征中的上下文语义信息,反过来原生文本特征也能通过多粒度交叉注意力对候选短语特征进行针对性的注意力评分。注意力评分除了直接用于关键词抽取,也用于对候选短语特征加权进行下游任务预测,下游任务预测损失将作为监督信号训练模型。在Inspec、Sem Eval和DUC数据集上的对比实验证明了模型和核心模块的有效性。(2)针对基于预训练语言模型的关键词提取方法未充分考虑关键词中文本全局语义因素的问题,本文设计了基于双塔预训练模型的文本关键词提取模型,模型包含两个独立的BERT网络:候选矩阵生成网络、文本向量生成网络。两个网络分别对候选短语和原生文本进行特征嵌入。同时,模型采用交叉注意力结合候选短语和原生文本的特征,做到对候选短语特征针对性评分匹配。模型在Krapivi、NUS和KP20K三个文本关键词提取任务测试集上取得了较好的性能。(3)在所述两个方法的基础上,本文构建了基于文本关键词提取的投诉信息预警系统。该系统能够检测语料自动分类、适应不同场景的投诉语料建模、提供关键词信息辅助用户验证投诉分类。

关键词：关键词提取预训练语言模型注意力机制无监督方法

结合关键词提取与注意力机制的中文新闻文本分类

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

结合关键词提取与注意力机制的中文新闻文本分类

作者：李响哈尔滨理工大学

学位级别：硕士

随着互联网技术的快速兴起,网络中新闻文本数据量呈指数增长,对数据缺乏有效的管理与利用问题日益凸显。如何对海量的中文新闻文本数据进行准确分类已然成为中文自然语言处理领域中一项十分重要的工作。传统基于统计学与机器学习的方法... 详细信息

随着互联网技术的快速兴起,网络中新闻文本数据量呈指数增长,对数据缺乏有效的管理与利用问题日益凸显。如何对海量的中文新闻文本数据进行准确分类已然成为中文自然语言处理领域中一项十分重要的工作。传统基于统计学与机器学习的方法已经无法胜任在大规模新闻文本数据上的分类任务。因此,近年来更多的学者愈发关注深度学习方法在自然语言处理任务中的应用。但是当前的相关研究方法仍存在一些问题。首先,中文新闻文本数据的特征分布稀疏问题降低了特征提取效果;其次,神经网络在特征提取过程中忽略了上下文信息。以上问题都会衰减模型的分类效果。本文针对这些问题主要进行了以下工作:针对中文新闻文本特征分布稀疏问题,本文设计了一种基于加权图模型的关键词提取算法,通过算法对原始数据的处理来解决此问题。该算法在原始Text Rank关键词提取算法基础上引入了由fast Text词向量计算的词间相似度作为图的权重来提升关键词提取效果。算法的实现过程首先是对原始的文本数据使用fast Text词向量算法进行训练,获得词向量信息;其次将文本中的每个词与固定窗口范围内的所有词构建连接关系形成一个图,使用词向量计算词间相似度作为图的权重;最后经迭代计算得到词的重要性排序。实验结果表明,基于加权图模型的中文关键词提取算法相比于其它传统算法的准确率均有所提高。针对模型在特征提取过程中忽略上下文信息导致分类结果较低问题,本文设计了一种基于时间序列网络与注意力机制的特征提取网络。该模型使用经本文关键词提取算法处理后的数据作为输入,使用LSTM模型获取文本数据在每一时刻上的特征表示并输入到自注意力机制中,并通过该机制获取结合上下文信息的特征表示,并将每一时刻特征整合为文本特征后输出,最后完成文本分类。实验结果表明本文集合关键词提取与注意力机制的中文新闻文本分类模型相比于其它模型在精确率、召回率、F1分值与准确率上都有了明显的提升。

关键词：文本分类关键词提取注意力机制长短时记忆网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于通配符模式与随机游走的关键词提取方法

计算机工程 2020年第7期46卷 78-83页

作者：马慧芳李苗童海斌詹子俊西北师范大学计算机科学与工程学院兰州730070 桂林电子科技大学广西可信软件重点实验室广西桂林541004

结合通配符模式与引入先验信息的随机游走算法,提出一种改进的关键词提取方法。使用通配符约束捕获词语之间的语义关系,提取满足间隙约束和一次性条件的顺序模式以计算模式支持度,并在模式支持度大于等于最小支持度阈值时建立节点关联... 详细信息

结合通配符模式与引入先验信息的随机游走算法,提出一种改进的关键词提取方法。使用通配符约束捕获词语之间的语义关系,提取满足间隙约束和一次性条件的顺序模式以计算模式支持度,并在模式支持度大于等于最小支持度阈值时建立节点关联图。将维基百科知识库中词语间的相似度作为先验信息,利用基于先验信息的PageRank算法在关联图上进行随机游走直至其排名分数趋于稳定,选取排名前Top K个词语作为关键词。实验结果表明,与TextRank、GraphSum算法相比,该方法具有更高的提取准确率及稳定性。

关键词：关键词提取通配符模式随机游走间隙约束 PageRank算法

在线全文

学校读者我要写书评

暂无评论

基于图结构的关键词提取方法研究

基于图结构的关键词提取方法研究

作者：崔宝阳青海师范大学

学位级别：硕士

关键词提取技术作为自然语言处理研究领域的重要研究分支之一,在各个领域均有所应用,其在文本分类、内容检索方面都属于核心技术。关键词提取技术通过大量的文本知识,可以根据提取关键词的侧重方向不同,对文档进行较为精准的分类,或是... 详细信息

关键词提取技术作为自然语言处理研究领域的重要研究分支之一,在各个领域均有所应用,其在文本分类、内容检索方面都属于核心技术。关键词提取技术通过大量的文本知识,可以根据提取关键词的侧重方向不同,对文档进行较为精准的分类,或是将提取的关键词作为文档的检索标签,可以大大提高知识检索的效率。关键词抽取技术在搜索引擎、智能问答、文本生成、情感计算等多方面也有所应用。目前关键词提取算法主要针对小规模、短文本语料进行关键词提取,现有的关键词提取算法较难在大规模数据上进行关键词发掘。随着深度学习在各个领域的优异表现,使得使用深度学习方法实现关键词的提取成为了可能。而现有基于深度学习的关键词提取算法大都是通过深度学习模型先获取词的语义特征表示,再使用传统方法对特征进行处理从而提取关键词,鲜有直接使用深度学习模型来获取文本关键词的方法。针对以上问题,本文在大规模数据的关键词提取及如何使用深度学习方法实现关键词提取进行相关研究,主要研究成果如下:1.提出了基于混合特征网络的关键词提取算法。使用熵权法将文本带权结构网络及带权语义网络进行融合,构建文本的词汇影响力网络。同时定义了节点的链接影响力这一指标,用于评判词节点在词汇影响力网络的重要性。通过构建关键词节点的语义树,对算法效果进行评判,并对所得语义树进行具体分析。2.提出了基于图神经网络的关键词提取算法。提出了候选词自动得分生成算法,将关键词提取问题转化为线性预测问题。通过融合注意力机制与图卷积层,有效结合词汇特性及文本网络特征。提出了通过网络的子网对数据进行分批处理,大大降低了原本因大规模矩阵运算所耗费的时间。最后,通过与现有基线方法的对比,本文所提出方法能够匹配或超越现有基线方法,且新提出的网络结构相比传统结构具有更好的关键词提取效果,真正实现了基于深度学习的关键词提取方法。

关键词：关键词提取文本网络影响力图卷积神经网络自注意力机制