基于依存句法分析的关键短语抽取算法实战

由于最近在做一些无监督的关键词短语(实体)抽取工作,其实最大的背景还是没有标注好的实体识别训练数据；所以想到采用无监督的关键短语抽取算法折中去抽取一些实体，于是调研了一波关键短语抽取算法和工具。目前无监督关键短语抽取算法和关键词抽取算法差不多：主要是TFIDF，Textrank 等特征为候选短语的打分。然后抽取得分高的候选短语。

算法流程

关键词短抽取成算法主要分为两部分：1.候选短语抽取；2.候选短语打分

• 候选短语抽取：一般可以采取 "ngram" + 文法规则的做法：比如下方例子中的2gram短语中，[股价_n，创_v ] 中名词（n）后面接动词（v）很显然就不是一个合理的短语，不应该被召回到候选词集合中。而[阿里_ns,市值_n] 中 地名（ns）后面接名词就是个合适候选短语。

ngram

• 候选短语打分：通过上述ngram + 文法规则我们召回候选词集合后，之后我们就可以通过 词语的TFIDF，Textrank等权重特征的给短语打分，当然你也可以用一

总结

以上是生活随笔为你收集整理的基于依存句法分析的关键短语抽取算法实战的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。