信息技术的不断发展使得许多领域信息呈现爆炸式增长，如何从大规模文本信息中快速而准确地获取所需信息成为一个巨大的挑战。关键词提取就是一种解决上述问题的有效手段,是文本挖掘领域研究的核心技术之一，起着十分重要的作用。目前绝大多数文本信息还尚未提供关键词，纵观已经存在的关键词提取算法，对于词组关键字以及文章中尚未出现但是仍可作为文章关键字的词语，还无法很好地找到解决方法；为此本文提出了基于词向量的关键字提取方法。使用word2vec算法训练词向量，通过词向量的表达，文本的概念空间转化为可计算空间。此方法将所有训练文本中出现的单词及关键字集，通过word2vec的训练方法，转化为词向量集合，之后将测试文本单词用词向量表示，通过计算测试文本单词词向量和关键字词向量间的欧式距离，找出距离最小的TOP N个关键字，作为自动提取文本关键字。实验使用论文集作为训练文本，结果表明此方法提高了词组关键词提取的精度而且能找出不包含在文本中的关键字。
中国科技论文在线
