基于TextRank算法和互信息相似度的维吾尔文关键词提取及文本分类

• 作 者: 阿力甫·阿不都克里木 李晓
• 机 构: 中国科学院新疆理化技术研究所,中国科学院大学,新疆多语种信息技术重点实验室
• 出 处: 计算机科学
• 发表日期: 2016年12期
• 关键词: 维吾尔语 文本分类 关键词提取 TextRank算法 互信息相似度 Uyghur language Text categorization Keyword
• 基金项目: 本文受新疆多语种信息技术重点实验室开放课题（XJDX0905-2013-06）资助.

针对维吾尔语文本的分类问题，提出一种基于TextRank算法和互信息相似度的维吾尔文关键词提取及文本分类方法。首先，对输入文本进行预处理，滤除非维吾尔语的字符和停用词；然后，利用词语语义相似度、词语位置和词频重要性加权的TextRank算法提取文本关键词集合；最后，根据互信息相似度度量，计算输入文本关键词集和各类关键词集的相似度，最终实现文本的分类。实验结果表明，该方案能够提取出具有较高识别度的关键词，当关键词集大小为1250时，平均分类率达到了91．2％。