中科院关键词抽取程序

关键词抽取（Keywords Extraction）指的是如何从一篇文档（或多篇相关文档）中自动抽取出能很好地代表文档主题的若干个词或短语。关键词抽取技术广泛应用于信息检索、文本分类/聚类、信息过滤、文档摘要等各种智能文本信息处理领域，具有很好的应用价值。 I3S KeyExtrator采用适合于汉语特点的关键词抽取技术。该系统基于中科院计算所多年积累的背景知识库，将汉语智能分词算法与基于AV邻接的新词/短语识别方法有机结合，并利用信息论方法对抽取出的词和短语进行重要性评估，同时借助模糊匹配技术对中间抽取结果进行冗余过滤，使抽取出的关键词具有很好的主题代表性和区分度。