[NLP][5][关键词提取算法]

第5章 关键词提取算法

• 关键词是代表文章重要内容的一组词，对文本聚类、分类、自动摘要等起重要作用

---

5.1 关键词提取技术概述

• 关键词提取算法一般也可以分为有监督和无监督两类

• 监督式关键词提取

  • 简介：主要通过分类的方式进行
  • 介绍：通过构建一个较为丰富和完善的词表，然后通过判断每个文档与词表中每个词的匹配程度，以类似打标签的方式，达到关键词提取的效果
  • 优缺点：有监督的方法能够获取到较高的精度，但缺点是需要大批量的标注数据，人工成本过高

• 无监督关键词提取

  • 无监督提取对数据的要求比较低
  • 既不需要一张人工生成、维护的词表，也不需要人工标准语料辅助进行训练

---