文章关键词在线提取
2016-05-20 13:14
232 查看
点击体验:@(关键词提取)[shiny|云应用]
中文分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。现有的分词算法可分为三大类:基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。准确度较高的是统计分词算法,常用的有最大概率法和隐式马尔科夫模型。分词结束后,使用TF-IDF文本关键词特征提取算法,TF-IDF是一种统计方法,用以评估一字词对于一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降,按词语重要性从中提取特定数量的词语组成这篇文章的关键词集合。
邮箱:shangfr@foxmail.com
中文分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。现有的分词算法可分为三大类:基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。准确度较高的是统计分词算法,常用的有最大概率法和隐式马尔科夫模型。分词结束后,使用TF-IDF文本关键词特征提取算法,TF-IDF是一种统计方法,用以评估一字词对于一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降,按词语重要性从中提取特定数量的词语组成这篇文章的关键词集合。
反馈与建议
作者:ShangFR邮箱:shangfr@foxmail.com
相关文章推荐
- poj 1463/hdu 1463 Strategic game 【二分匹配/树型dp】
- 关于android中ListView的Adapter如何设计能通用的一些看法
- Android相关Demo
- 《学习OpenCV》课后习题解答3
- JS的类式继承与原型式继承
- 《学习OpenCV》课后习题解答3
- A Regularized Competition Model for Question Diffi culty Estimation in Community Question Answering Services-20160520
- Unable to ignore resources
- 51nod 1005 大数加法(可为负数)
- Unable to ignore resources
- python爬虫--连接数据库
- 记一次黑苹果更换硬盘之旅
- 核桃的数量---最小公倍数
- UTMI及USB 2.0 PHY高速传输特性分析
- Linux ps命令详解与示例说明
- Advice for students of machine learning
- jquery管理ajax异步-deferred对象
- JAXB - Annotations, The Object Factory: XmlRegistry, XmlElementDecl
- linux 读取文件信息并且输出
- 《构建之法》阅读笔记08-软件设计与实现