关键词提取

关键词提取算法

• 有监督
• 无监督

有监督

通过分类的方式进行，通过构建一个较为丰富和完善的词表，然后判断每个文档与词表中每个词的匹配程度，以类似标签的方式，达到关键词的提取效果。

优缺点

• 能够获取到较高的精度
• 需要大批量的标准数据，人工成本过高
• 每天的信息量增加过多，会有大量的新信息出现，一旦固定的词表有时将很难将新信息的内容表达出来，但是要人工维护这个受控的词表却要很高的人力成本。

无监督

• TFIDF算法

  • TFIDF-理论篇

• TextRank 算法

  • TextRank-理论篇

• 主题模型算法（LSA/LSI、LDA 等）

  • 主题模型-理论篇