| 基于TextRank和簇过滤的林业文本关键信息抽取研究 |
| |
| 引用本文： | 陈志泊,李钰曼,许福,冯国明,师栋瑜,崔晓晖. 基于TextRank和簇过滤的林业文本关键信息抽取研究[J]. 农业机械学报, 2020, 51(5): 207-214，172 |
| |
| 作者姓名： | 陈志泊 李钰曼 许福 冯国明 师栋瑜 崔晓晖 |
| |
| 作者单位： | 北京林业大学信息学院,北京100083;中国联合网络通信集团有限公司,北京100033;中国电信系统集成有限责任公司,北京100035 |
| |
| 基金项目： | 国家自然科学基金项目（61772078）和北京林业大学热点追踪项目（2018BLRD18） |
| |
| 摘 要： | 目前,获取林业文本关键信息存在2个问题:关键信息获取主要从关键词角度考虑,忽略了词语的信息类型;网络上的林业文本没有统一的记述结构,词语信息类型提取困难。为此,本文提出了基于改进TextRank和簇过滤的林业文本关键信息抽取方法,以关键词+信息类型两部分表示文本关键信息。首先,抽取关键词并进行Word2Vec向量化,然后通过构建融合词语特征值、边权值的图模型对TextRank进行改进,对经迭代收敛得到的稳定图进行归并聚类形成簇;然后,设计簇品质评价公式进行簇过滤,再次应用TextRank形成最终簇集合;最后,对簇进行信息类型标注。对于测试文本,通过比较关键词向量和簇心向量的距离获得词语的信息类型,将信息类型与关键词结合得到文本的关键信息。基于2 000篇与林业政策新闻相关的林业文本进行实验,最终簇集合的紧密度为0. 968 0,间隔度为0. 057 2,综合评价指标为0. 887 1;对其中400篇文本进行关键词人工标注,将本文关键词抽取方法与TextRank、TF-IDF等6种算法进行比较,结果表明,本文方法在MRR、Bpref、准确率和综合评价指标上均获得了较好的效果,说明本文方法在提取林业文本关键词方面具有优势。
|
| 关 键 词： | 林业文本 关键词抽取 TextRank 簇过滤 信息类型 |
| 收稿时间： | 2019-12-31 |
Key Information Extraction of Forestry Text Based on TextRank and Clusters Filtering |
| |
| CHEN Zhibo,LI Yuman,XU Fu,FENG Guoming,SHI Dongyu,CUI Xiaohui. Key Information Extraction of Forestry Text Based on TextRank and Clusters Filtering[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(5): 207-214，172 |
| |
| Authors: | CHEN Zhibo LI Yuman XU Fu FENG Guoming SHI Dongyu CUI Xiaohui |
| |
| Affiliation: | Beijing Forestry University;China United Network Communications Group Co., Ltd.,;China Telecom System Integration Co., Ltd. |
| |
| Abstract: | |
| |
| Keywords: | forestry text keywords extraction TextRank clusters filtering information types |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
|
点击此处可从《农业机械学报》下载全文 |
|
