关键词提取_短文本关键词提取(keyphrase extraction)

短文本关键短语/关键词提取

背景：短文本具有内容简短、表达灵活、主题风格各异等特点，从中提取关键短语具有挑战性

1 类目 标签 关键短语 关键词的区别

类目(category) 是预先定义好的，具有树形的层次结构，抽象的概括某类事物，强调共性，往往具有排他性。

标签tag 粒度比类目更加细，用于刻画一小批群体的特征，不一定有层次结构，一条内容往往可以有多个标签。

关键词(keyword)更侧重于某一具体内容本身表达的意义，往往是内容的主题。

关键短语(keyphrase)是关键词组成的短语，短语的语义更加丰富，能够更加全面的概括内容主题。

2 可能的特征

特征选取往往对提取效果起到关键的作用。

统计特征 tf idf

位置特征 首次出现的位置、是否在title中、词的跨度(第一次和最后一次出现的间隔宽度)

语言特征 词性、停用词、形态特征(后缀、首字母缩写)、词干特征、偏旁、语义