主题特征文本关键词提取方法

摘要

本发明公开了一种主题特征文本关键词提取方法，利用本发明可得到优于传统TF‑IDF方法的文本关键词提取结果。本发明通过下述技术方案予以实现：训练阶段对训练文本进行分词、去停用词、词性过滤等预处理，统计词语的逆文档频率，同时利用主题模型方法学习得到词语的主题概率矩阵并进行归一化处理，根据词语主题概率矩阵计算词语的主题分布熵，结合逆文档频率和主题分布熵计算词语的全局权值，全局权值计算结果输出到测试阶段，对测试文本进行预处理后，统计测试文本中的词语的归一化词频，将归一化词频与训练阶段得到的全局权值计算结果相结合，计算词语的综合得分并进行排序，以得分排序中得分最高的若干个词语作为当前测试文本的自动关键词提取结果。