關(guān)鍵詞怎么提取

在巨量的信息面前，很多信息是我們無法全面接收，因此我們需要從中篩選出一些我們感興趣的或者有代表性的信息進(jìn)行接收。那么這一個過程就是關(guān)鍵詞提取技術(shù)。如果我們可以準(zhǔn)確的將所有的文檔都用幾個簡單的關(guān)鍵詞描述，那么我們便可以通過關(guān)鍵詞了解一篇文章的內(nèi)容，這將會提高信息獲取到效率。想要在海量的信息里提取出我們所需要的信息，就需要學(xué)會如何提取關(guān)鍵詞。

一，TF-IDF算法（Term?Frequency-Inverse?Document?Frequency，詞頻-逆文檔頻次算法）是一種基于統(tǒng)計(jì)的計(jì)算方法，常用于評估在一個文檔集中一個詞對某份文檔的重要程度。這種思想是符合關(guān)鍵詞抽取的需求，一個詞語對文檔越重要，那么是關(guān)鍵詞的概率就越大，所以通常將TF-IDF算法應(yīng)用在關(guān)鍵詞提取中。

二，在上述的TF-IDF算法中，都需要基于一個現(xiàn)成的語料庫，主題模型的關(guān)鍵詞提取算法則是需要通過對大規(guī)模文檔學(xué)習(xí)，發(fā)現(xiàn)文檔的隱含主題。
三，而TextRank算法則是可以脫離語料庫的基礎(chǔ)，僅對單篇文檔進(jìn)行分析就可以提取該文檔的關(guān)鍵詞。這也是TextRank算法的重要特點(diǎn)。TextRank算法的基本思想源于Google的PageRank算法。因此這里需要先了解下PageRank算法。