中文关键字的提取通俗讲就是从一段文字中提取出最能表达该段文字含义的一组词。成功的关键词提取是实现搜索、推荐以及数据挖掘领域的重要基础之一。
目前在关键字提取方面使用较多且相对简单的是TF-IDF算法。TF-IDF(term frequency–inverse document frequency,词频-逆向文件频率)是一种用于信息检索(information retrieval)与文本挖掘(text mining)的常用加权算法。
针对如何提高该算法的准确率,还可以考虑的影响因子包括:词性、实体、位置等等。如何提高设置权重的准确性,则可以考虑利用用户的使用回馈,从而形成良性互动。