文本关键词提取二三事

基于此，我想说的是，虽然关键词提取的算法很多，也很花哨，但是思路比较简单，应当在写Paper之前，或者开发技术应用之前，做好技术定位。另外，几乎没有论文回答最基础的一个问题，什么是关键词？为什么某些词应当被提取出来给阅读者看而另外一些词应当忽略？哪些词应当展示给用户看？太多研究关注算法的精度和效率，而忽视了关键词的本质内涵。关键词不是一个客观存在的东西，而本身也是人为标注的，因此模型的评估和优化，本身也是一个主观的东西。这种主观的东西，不应当以算法开发者的意志所左右，而是应当关注用户的需求，想用户之所想，把用户真正关心的那些关键词展示出来。因此，虽然关键词提取算法当前停滞不前，但是从用户的角度重新去考虑关键词的定义，把用户的特征与词汇的特征相结合，进行指标的构建（Statistical）或者规则模型的学习(Rule Based），或许是可以为关键词提取算法的未来研究提供新的发展契机。