摘要：自20世纪90年代起,随着人工智能(AI)的飞速发展及其与深度学习等机器学习方法的广泛融合,自然语言处理(NLP)作为人工智能的核心,也取得了令人瞩目的进步。而随着国际学术交流、世界文化交融愈加频繁,人们搜寻、阅读他国网络信息的现实需求也随之增多。当信息搜寻者在搜寻非母语信息时,不仅会出现语言障碍问题,还会因错综复杂、层次不齐的各色信息而产生诸多不便。为了便于信息搜寻者快速高效地获取有用信息,文中基于人工智能算法(PageRank/textrank)设计一种信息提取-翻译-校对(ETP)系统。系统通过AI自动搜索阅读页面上的重要信息和文本摘取,生成摘要,并基于机器翻译API模块完成翻译;其次,采用智能校对系统完成校对审核后,将信息呈现给搜寻者,以供其对全部信息高效且准确地进行预筛选,从而节省阅读时间和精力。最后对系统算法所实现的功能进行实验测试,结果达到预期。

摘要：热词提取对于景区的发展具有重要意义,目前热词提取方法仍存在分词效果不佳、训练模型耗费大等问题,文中提出一种基于景区评论的静态热词提取模型CRF+TBTT。该模型利用新型算法流程过滤非关键词,分析高频词和特色词,提取候选词,最后得到准确的静态热词。通过对59107条景区评论数据进行实验,结果表明,CRF+TBTT模型的性能均明显优于比较模型,对景区前20个热词提取准确率达到90%,说明该模型对静态热词提取的效果较好,有助于旅游部门对景区进行有效管理和规划。

摘要：为了从海量文本中高效提取知识,提出了一种基于上下文关系和textrank算法的中文文本关键词提取方法.首先使用传统方法提取出初始关键词,然后利用互信息筛选出在上下文中对关键词依赖程度大的词,将其作为候选关键词,最后利用textrank算法计算出最能表达文本主题思想的特征关键词.实验结果表明,与传统方法相比,所提算法在查准率、查全率等相关指标上均有提高.

摘要：如今互联网已经成为民众表达个人态度的大平台,微博凭借其独特的传播方式对人民生活和社会舆论传播产生了极其重要的影响。面对海量的微博数据,获取文本关键词可以提高舆论监控效率,更快速、更准确地筛选出重要的文本信息并分析特征。实验利用网络爬虫获取个人微博数据,经过文本预处理后根据textrank算法提取出大量微博数据中的关键字词,显示在可视化的关键词云中,分析个人关注点及标签特征。

摘要：为了解决textrank算法的初始权值问题,提高关键词的抽取质量,在textrank算法的基础上,引入了G1赋权法对TF-IDF算法的词语位置、词语长度和词性等3个属性赋予不同的权重,设计并实现了综合权重法的关键词抽取算法——textrank-CM算法。将textrank-CM算法、textrank+TF-IDF算法和textrank算法分别应用于中文关键词的抽取,结果表明:textrank-CM算法在中文关键词抽取中的准确率和召回率明显优于另两种算法。

摘要：新闻网站是获取外界信息的重要渠道,为有效收集新闻网站信息、对信息进行分析,基于Python设计了对新闻网站的爬虫分析系统。该系统包括爬虫、自然语言处理、系统可视化交互三个模块。在爬虫方面系统采用threading第三方库提供的多线程爬虫,并增加了增量式爬虫的设计;在自然语言处理方面,系统以textrank算法为原理实现对文本信息对关键词句的抽取,使用textrank4zh第三方库实现此功能。系统采取Tornado框架实现交互功能。系统以美国有限电视新闻网为例进行新闻信息爬取与分析,实验结果表明该系统的爬取效率高,健壮性好。

摘要：针对旅游资源空间分散、旅游类App智能化水平低等问题,融入旅游智能算法设计新颖的出游方式,推出了智慧旅游微信小程序平台。该平台可为用户提供智能化、趣味化、沉浸式的旅游体验。该项目采用Spring Boot+MyBatis+MySQL构建系统架构;采用数据爬虫技术采集景点数据;结合平台和商业旅游数据分析,构建用户旅游画像模型;采用textrank算法处理景点评价词汇,提取景点热度关键词和权重值并经Echarts图展示,形成“词云景”;采用PTGui软件拼接碎片化图片制作景点虚拟现实(Virtual Reality,VR)全景图,并使用wxPano插件加载景点VR实景。项目实现了红色游、文化游、自驾游、词云景、VR实景、随心游以及旅游画像等功能。

摘要：[目的/意义]关键词提取在自然语言处理领域有着广泛的应用,如何快速准确地实现关键词的提取已经成为文本处理的关键问题。目前关键词提取方法非常多,但准确率仍有待提升。为此,提出一种结合单一文档内部结构信息、词语对于单文档和文档集整体的重要性的关键词抽取方法。[方法/过程]首先,根据词语的平均信息熵特征计算词语对文档集整体的重要性,利用词语的词性、位置特征计算词语对单文档中的重要性。然后,通过神经网络训练的方式优化三个特征的权重分配实现特征的融合。最后,利用三个特征计算得到词语的综合权值来改进textrank模型词汇节点的初始权重以及概率转移矩阵,再通过迭代法实现关键词的抽取。[结果 /结论]该研究方法结合了文档集整体信息和单文档自身信息,其关键词提取的准确率较传统textrank方法、TFIDF-textrank方法有了明显的提高。

摘要：作为自然语言处理中的热点问题,摘要生成具有重要的研究意义。基于Seq2Seq模型的生成式摘要模型取得了良好的效果,然而抽取式的方法具有挖掘有效特征并抽取文章重要句子的潜力,因此如何利用抽取式方法来改进生成式方法是一个较好的研究方向。鉴于此,提出了融合生成式和抽取式方法的模型。首先,使用textrank算法并融合主题相似度来抽取文章中有重要意义的句子。然后,设计了融合抽取信息语义的基于Seq2Seq模型的生成式框架来实现摘要生成任务;同时,引入指针网络解决模型训练中的未登录词(OOV)问题。综合以上步骤得到最终摘要,并在CNN/Daily Mail数据集上进行验证。结果表明在ROUGE-1、ROUGE-2和ROUGE-L三个指标上所提模型比传统textrank算法均有所提升,同时也验证了融合抽取式和生成式方法在摘要生成领域中的有效性。

摘要：为解决基于聚类算法的视频摘要中存在的需要预先设定聚类中心和聚类数目及选取的关键帧不具有代表性的问题,提出一种基于层次聚类与textrank算法的静态视频摘要方法。使用层次聚类算法对视频帧进行聚类,利用textrank算法选取候选关键帧集合,通过求解优化函数选择最终的关键帧生成视频摘要。实验结果表明,该方法生成的视频摘要能够比较全面准确地表达视频内容且冗余度低。