基于强度熵的中文关键词识别方法

计算机工程与科学

基于强度熵的中文关键词识别方法

闫蓉,高光来

(内蒙古大学计算机学院，内蒙古呼和浩特010021)

收稿日期:2016-07-03 修回日期:2016-09-02 出版日期:2016-11-25 发布日期:2016-11-25
基金资助:
国家自然科学基金(61263037,61662053);内蒙古自然科学基金(2014BS0604)

Chinese keywords identification based on strength entropy

YAN Rong,GAO Guanglai

(College of Computer Science,Inner Mongolia University,Hohhot 010021,China)

Received:2016-07-03 Revised:2016-09-02 Online:2016-11-25 Published:2016-11-25

摘要/Abstract

摘要：

文本的关键词识别是文本挖掘中的基本问题之一。在研究现有基于复杂网络的关键词识别方法的基础上

，从整个复杂网络拓扑结构特征的信息缺失角度来考察各节点的重要程度。提出强度熵测度来量化评估

各节点重要程度，用于解决中文关键词识别问题。实验结果表明，该评估方法简单有效，特别适用于带

权复杂网络的节点重要性评估。

关键词: 复杂网络, 关键词抽取, 语言网络, 强度熵

Abstract:

To identify keywords of the document is one of the fundamental issues for text mining.

Focusing on the study of the existing keyword identification approaches based on complex

networks, we exploit the importance of nodes from the aspect of information missing in the

whole complex network topology. We introduce a novel measurement, called strength entropy,

to quantitatively evaluate the importance of nodes and solve Chinese keyword identification

problem. Experimental results show that the evaluation method is simple and effective,

especially for weighted complex networks.

Key words: complex network, keyword extraction, language network, strength entropy

闫蓉,高光来. 基于强度熵的中文关键词识别方法[J]. 计算机工程与科学.

YAN Rong,GAO Guanglai. Chinese keywords identification based on strength entropy[J]. Computer Engineering & Science.

[1]	皇甫斐斐, 杨阳, 邓晓懿, . 基于节点影响力的理性节点标签传播算法[J]. 计算机工程与科学, 2022, 44(04): 713-722.
[2]	燕云鸿, 钱晓东. 区块链环境下电商消费者网络多子群混合增长模型构建及特性研究[J]. 计算机工程与科学, 2021, 43(12): 2157-2168.
[3]	张丽, 马静. 融合词语统计特征和语义信息的文本分类方法研究[J]. 计算机工程与科学, 2021, 43(07): 1308-1315.
[4]	张士进, 张胜, 田纪彪, 吴志强, 戴维凯. 基于深度编码器的复杂网络社区发现算法 #br# [J]. 计算机工程与科学, 2020, 42(09): 1640-1648.
[5]	潘曙灿, 许青林. 融合特征向量中心性与标签熵的标签传播算法[J]. 计算机工程与科学, 2020, 42(08): 1489-1499.
[6]	徐曼1,2,3，鲁富荣1,2,3，马国帅1,2,3，钱宇华1,2,3. 基于信息传播影响因素的边重要性度量方法[J]. 计算机工程与科学, 2020, 42(01): 55-63.
[7]	宁珊, 严馨, 周枫, 王红斌, 张金鹏. 融合LSTM和LDA差异的新闻文本关键词抽取方法[J]. 计算机工程与科学, 2020, 42(01): 153-160.
[8]	杨迪，刘琰，陈静，张伟丽. 基于模体的目标区域网络拓扑划分方法[J]. 计算机工程与科学, 2019, 41(03): 466-478.
[9]	李慧，杨青泉，王慧慧. 一种基于局部扩展优化的重叠社区发现算法[J]. 计算机工程与科学, 2018, 40(12): 2258-2264.
[10]	付丹龙1，朱淑华1，原智峰2，梁倬骞1,2，邓原2. 基于不同子网络级联机制的相依网络鲁棒性研究[J]. 计算机工程与科学, 2018, 40(03): 439-444.
[11]	吕铃，彭雅丽，曾欣怡,杨雨鑫，黄明和. 公共自行车复杂网络可达性指标潜力评价模型[J]. 计算机工程与科学, 2018, 40(01): 175-183.
[12]	董建亮，赵文涛，李方,黄心昊. 一种基于标签传播算法的关键链路探测方法[J]. 计算机工程与科学, 2017, 39(11): 2022-2027.
[13]	伍杰华1,2,沈静1,周蓓1. 改进朴素贝叶斯模型的复杂网络关系预测[J]. 计算机工程与科学, 2017, 39(10): 1825-1831.
[14]	聂祥林1,2,张玉梅1,2,吴晓军1,2,吴霞1. 基于节点依赖度和相似社团融合的社团结构发现算法[J]. 计算机工程与科学, 2017, 39(07): 1273-1280.
[15]	张其林1，董政呈2，赵永标1 . 一种具有核心-边缘结构的无标度网络演化模型[J]. 计算机工程与科学, 2017, 39(03): 500-504.