基于模糊邏輯的中文關鍵詞抽取研究.pdf

1、隨著英特網的迅速發(fā)展,我們接觸到的電子文檔越來越多,如何從海量的電子資源中找出我們所需的內容顯得越來越重要。如果一篇文檔提供有關鍵詞,那么讀者可以快速的判斷出這篇文檔是否與他的信息需求是相關的。雖然關鍵詞非常有用,但現存的大多數文檔并沒有標注出關鍵詞,手工標注關鍵詞費時費力。因此,自動關鍵詞抽取技術是非常具有研究價值的。
　　 中文關鍵詞抽取技術發(fā)展迅速,現在人們已經提出了各種各樣的方法。我們可以把抽取關鍵詞看作是一個分類過程,

2、即把詞語分為“關鍵詞"和“非關鍵詞"兩類,但常規(guī)分類方法是將詞語映射到單一的類別,而且使用一般的分類器對特征間的獨立性假設會引起一些問題,從而導致抽取結果不夠理想。
　　 模糊邏輯可以很好的解決這個問題,但傳統(tǒng)的模糊邏輯控制思想需要預先設置控制規(guī)則,而由于專家知識的局限性以及環(huán)境的可變性,任何一個專家都無法得到一個最佳的規(guī)則或最優(yōu)的隸屬函數。神經網絡具有很強的學習能力,如果將模糊邏輯與神經網絡結合,模糊控制規(guī)則和隸屬度函數就可以

3、通過對樣本數據的學習而自動地生成,克服了人為選擇模糊控制規(guī)則主觀性較大的缺陷。因此,本文將模糊邏輯與神經網絡結合應用于中文關鍵詞抽取。
　　 我們首先計算出作為訓練樣本詞語的三個特征值,然后標注詞語屬于兩個類的隸屬度值。根據這些樣本訓練模糊神經網絡得到中文關鍵詞抽取模型。在測試階段,先識別一篇文檔的候選關鍵詞,計算每個候選關鍵詞的特征,用模型計算出詞語屬于兩類的隸屬度,得到詞語的隸屬度后就可以通過排序等手段抽取出所需的關鍵詞。<