关键词基于TextRank与Log-Likelihood的Chrome浏览器中文词云插件的设计与开发

基于TextRank与Log-Likel ihood的Chrome浏览器中文词

云插件的设计与开发

梁茂成.北京外国语大学,2015.

摘要:在互联网技术迅速发展的今天,人们通过网络获取信息日益便捷。但同时也引起了信息冗杂、超量等问题。在这样的条件下,通过挖掘文本来获取关键信息成为改善互联网用户体验、提高工作与阅读效率的重要手段,关键词抽取即信息获取的重要实践之一。

本文基于TextRank和Lo g-Like lihood(对数似然比)算法,设计并实现了一款谷

------------------------------------------------------------

如何7天快速搞定专业论文之经验谈

1写论文一定找一个清静的地方闭关。因为是论文是一个完整、逻辑连贯的体系如果干扰太多写起来就会很慢而且心也会很烦。如果在实验室或办公室杂事太多估计就是给两个月都写不完。

2写论文之前最好先做一个报告阐述一下做论文的思路因为你能在很短的时间内把你所作的东西用最简要的话说出来就说明你的思路是清晰的。如果写论文没有清晰的思路最好先不要写否则是浪费时间。

3这一步是最关键的。抓大放小逐层细化。开始的时候我论文写得很细每一个论点的证明都要做到尽善尽美但后来发现不行一是写起来太慢二是越写越发现自己沉陷于一个泥潭之中根本写不下去了。所以我决定放弃先是简要写出主要需说明内容很快就能把论文的主体结构完成。感觉很有成就感于是再把一些需要补充说明的东西逐步逐步加进去使其丰满。这样每细化一次就把论文从头到尾过一遍有整体感逐步写下来论文就写得非常快。

在这里我要特别提醒一下至关重要的是按照第3点完成主体内容我有一点心得可以分享给大家您可以淘宝上搜索一家叫“馨雅文献”的淘宝店家他们家QQ 47935525这家店铺帮了我特别大的忙他们家最贴心的业务是这样的只要你给出想要写的论文题目或关键词花费100多块吧你就可以从他

们家得到一份有100-500篇非常专业且最贴近你所写论文主题的重点大学硕博士论文目录基本能涵盖所有和主题相关的论文然后会让你从目录中再挑选出其中15-30篇左右最贴近主题的硕博士论文全文给你全文文字都可以复制黏贴的哦就是这些精选后的论文内容构成了我这篇论文的基本框架和血肉的。

就这样子本来拖延了进度的我仅仅花了7天时间就完成了我的论文成为一篇立意新颖博采众长的优秀论文顺利通过了毕业答辩。

------------------------------------------------------------

歌C hro me浏览器中文关键词抽取插件。该插件可获取到用户当前浏览页面,并通过适当的业务逻辑,生成网页内容的关键词云。

TextRank算法基于图论和图模型,对图中的点计算权重,并以权重值作为排序算法。本文针对文本应用场景,应用TextRank算法,抽取关键词并返回用户而Lo g-Like lihoo d算法则根据频数与对照语料库,通过计算对数似然比来确定关键词并返回。词云是一种关键词显示方式,通过字体大小与相对位置关系以清晰、直接地向用户展示文章关键词。在得到两种算法的计算结果后,为所有关键词赋权,并将关键词与权重用于生成词云。

网络架构上,本文采用了以N ginx为基础服务架构的服务器,采用事件驱动的编程模型,搭建了服务器端,并使用Node.js作为后端网络逻辑层。通过有效、轻量的通信机制,完成数据的传递。在文本处理与关键词提取算法的实现上,本文采用服务器端运行Python脚本的方式,完成了文本清洁、转码、分词、关键词提取等工作。插件采用异步方式,保证了服务器响应速度,同时减轻了负载。此外,插件的设计与开发过程中,本文还对数据安全性和程序稳定性、扩展性等进行了论证。

经过设计与开发,本文基本达到了预期目标,完成了一个能为用户提供词云的浏览器插件。对插件进行的测试表明,插件可返回准确率较高的关键词列表。但是插件在功能的丰富程度、美观性、性能等方面依然有改进空间。

作为语料库语言学研究的扩展和应用,本文的设计与开发的插件能够通过关键词的抽取,帮助用户快速了解网页内容和重点,方便他们的网络生活。此外,本文还希望插件成为语料库语言学研究与网络技术紧密结合的案例,并看到未来更多类似的研究出现。