Blog0 基于图的中文短文本无监督关键词抽取-论文分析

2021SC@SDUSC注：由于课题更改，所以本篇博客仅为博主自己的论文分析记录。

附论文链接：https://pan.baidu.com/s/1vZA29DRJRZRUQfYbU6CRkw 
提取码：z45i

---

目录

一、项目简介

1.项目名称

2.项目描述

3.具体任务

4.应用价值

5.主要方法

6.数据集

二、论文分析

1.INTRODUCTION

2.RELATED WORK

3.PROPOSED METHOD

3.1Knowledge Relevance Importance

3.2Self-Importance

3.3Graph Construction

3.4Related Importance

3.5Our Ranking Model

---

一、项目简介

1.项目名称

Inside Importance Factors of Graph-Based Keyword Extraction on Chinese Short Text

基于图的中文短文本无监督关键词抽取

2.项目描述

输入中文短文本，抽取输出文中的重要词和主题词

3.具体任务

复现论文中的方法

4.应用价值

广泛应用于文本摘要、文本分类、信息检索

5.主要方法

graph-based KE

6.数据集

NLPIR微博语料库

二、论文分析

1.INTRODUCTION

（1）先前主要方法分为监督学习和无监督学习。

监督学习：侧重训练模型的各种特征和分类算法，单词的重要性取决于特征。

无监督学习：特别是基于图的方法，侧重于单词间的关系。

（2）先前方法的不足：尽管有监督学习方法在不断探索利用更多因素的特征，但很少有无监督学习模型利用他们。

 （3）我们的方法是改进的基于图的无监督方法，将单词重要性分为：自重要