针对当前的关键词抽取模型在综合词语特征方面的不足文字分析能力比较薄弱提出一种新型的综合词汇权重关键词抽取模型该模型基于词频-逆文档频率特征、粗粒度等特征的综合权重公式以优化关键词抽取模型。采用物流政策与新闻分类数据集共计包含500篇文章并由人工进行关键词标注。最后通过对比实验结果以准确

本文提出了一种新型的综合词汇权重关键词抽取模型，旨在解决当前的关键词抽取模型在综合词语特征方面的不足和文字分析能力比较薄弱的问题。该模型采用词频-逆文档频率特征、粗粒度等特征的综合权重公式，以优化关键词抽取模型。在实验中，我们使用了包含500篇文章的物流政策与新闻分类数据集，并由人工进行了关键词标注。通过对比实验结果，我们发现本文提出的模型不仅能够正确提取关键词的内容，而且在权重排名次序方面也表现最优。本文的贡献在于提出了一种全新的关键词抽取模型，该模型具有更强的综合词语特征分析能力，能够更准确地提取文本信息。同时，我们的实验结果表明，本文提出的模型能够在多个评价指标下取得较好的表现，证明了其优越性和实用性。