对文章中的有效关键词进行分析,是内容推荐算法的核心。这种推荐主要是针对在文本中出现频率较高的词。但是在每篇文章中,往往出现次数最多是“的”“是”“在”等等,这些词称为“停用词”,表示对结果毫无用处,必须过滤掉的词。另外,在其他有实际意义的词中,又会遇到一些问题。比如:在《中国蜜蜂养殖》这篇文章中,“中国”“蜜蜂”“养殖”三个词出现的次数一样多,但很显然,我们更想要的标签是后面两个词。
NLPIR大数据智能语义分析平台能够实现对关键词对文章中的有用信息进行提取。
自动获取关键词的功能,大概可以分成三步
1、通过分词算法将标题和内容分别进行分割,提取出关键词和频度。
2、将提取结果与现有词库进行比较,处理,去除无用的词得到最符合规则的关键词。这里主要就是要看词库了,我们可以自己定义词库,也可以使用现有的成熟词库。
3、在处理后的提取结果中选择适当的作为最终的关键词,得到最符合当前内容的关键词,在这个阶段就是具体情况具体分析了。
NLPIR大数据智能语义分析平台文章关键词提取系统能够在全面把握文章的中心思想的基础上,提取出若干个代表文章语义内容的词汇或短语,相关结果可用于精化阅读、语义查询和快速匹配。