V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
Tianpu
V2EX  ›  PHP

文本提取关键字有好的建议吗?

  •  
  •   Tianpu · 2012-01-04 20:09:20 +08:00 · 4300 次点击
    这是一个创建于 4467 天前的主题,其中的信息可能已经有所发展或是发生改变。
    3 条回复    1970-01-01 08:00:00 +08:00
    alsotang
        1
    alsotang  
       2012-01-04 22:10:36 +08:00
    reus
        2
    reus  
       2012-01-04 22:48:15 +08:00
    kafka0102
        3
    kafka0102  
       2012-01-04 22:59:34 +08:00
    关键字抽取的最简单思路就是计算词频(如果有语料,可以拿到idf算tf*idf),取top k的结果。但是使用的词不能是所有的词,所以需要做些处理。这个处理也就两种思路,一个是人工构造候选的主题词表(可以通过语料筛选出来),或者通过辅助程序剔除掉无意义的词。不过,要想得到更好效果,比如歧义词的处理、上下文无关的词的处理、出现频率不高但更能表现主题的词提取、主题词的粒度调整,就不是计算词频能搞定的了。只就统计词频来说,其实也用不上什么库,我也没有看到专门这样的库。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   3249 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 29ms · UTC 12:13 · PVG 20:13 · LAX 05:13 · JFK 08:13
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.