意义:关键词提取能让我们快速地了解一篇文章,或者从大量的语料中快速找到其想要说明的主题。特别是在信息化发展这么快的现状下,能够有效的提取文本的关键词,对于快速,及时,高效地获取信息非常有帮助。
技术:TF-IDF(term frequency-inverse document frequency)
主要思想:如果某个词或短语在一篇文章中出现的频率高,并且在其他文章中很少出现,即反文档频率低,则认为此词或者短语具有很好的类别区分能力,适合用来分类。
tfidf = tf * idf
Posted 低低秋月
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了关键词抽取模型相关的知识,希望对你有一定的参考价值。
意义:关键词提取能让我们快速地了解一篇文章,或者从大量的语料中快速找到其想要说明的主题。特别是在信息化发展这么快的现状下,能够有效的提取文本的关键词,对于快速,及时,高效地获取信息非常有帮助。
技术:TF-IDF(term frequency-inverse document frequency)
主要思想:如果某个词或短语在一篇文章中出现的频率高,并且在其他文章中很少出现,即反文档频率低,则认为此词或者短语具有很好的类别区分能力,适合用来分类。
tfidf = tf * idf
以上是关于关键词抽取模型的主要内容,如果未能解决你的问题,请参考以下文章
TextRank算法是什么?基于TextRank算法进行关键词抽取