基于依存句法分析的关键短语抽取算法实战

由于最近在做一些无监督的关键词短语(实体)抽取工作,其实最大的背景还是没有标注好的实体识别训练数据；所以想到采用无监督的关键短语抽取算法折中去抽取一些实体，于是调研了一波关键短语抽取算法和工具。目前无监督关键短语抽取算法和关键词抽取算法差不多：主要是TFIDF，Textrank 等特征为候选短语的打分。然后抽取得分高的候选短语。

算法流程

关键词短抽取成算法主要分为两部分：1.候选短语抽取；2.候选短语打分

• 候选短语抽取：一般可以采取 "ngram" + 文法规则的做法：比如下方例子中的2gram短语中，[股价_n，创_v ] 中名词（n）后面接动词（v）很显然就不是一个合理的短语，不应该被召回到候选词集合中。而[阿里_ns,市值_n] 中 地名（ns）后面接名词就是个合适候选短语。

ngram

• 候选短语打分：通过上述ngram + 文法规则我们召回候选词集合后，之后我们就可以通过 词语的TFIDF，Textrank等权重特征