农业机械学报

作者：陈志泊，李钰曼，许福，冯国明，师栋瑜，崔晓晖

单位：北京林业大学,北京林业大学,北京林业大学,中国联合网络通信集团有限公司,中国电信系统集成有限责任公司,北京林业大学,

关键词：林业文本;关键词抽取;TextRank;簇过滤;信息类型

基金：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）

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2000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0.9680，间隔度为0.0572，综合评价指标为0.8871；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。

来源：2020年第5期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2020年第5期