关键词抽取是文本信息处理的重要技术,是在进行文本自动摘要、文本自动分类、主题提取及专利检索分析等文本信息理解工作时,都要应用到的一项关键技术。关键词一要反映文本的主题内容,二要具有专指性。由于作者给定的关键词大多是由两个或者两个以上的词组成,本文也称为关键短语。本文以语言学、认知心理学、计算语言学等方面的理论为短语优势理据,提出基于左右邻信息的扩展的完整短语识别方法,并加以规则进行指导。本文将关键短语抽取建模为分类问题,即分词处理后产生的词是或不是关键短语分词所产生的词(本文称为候选关键词)。然后用决策树方法来解决这个分类的问题。从大量的科技文献中统计分析得出词频、首位置、词性、位置特征作为属性构建训练集,并用C4.5算法生成决策树抽取候选关键词。最后以识别出的短语为依据对候选关键词进行合并后处理,最终得到关键短语。实验证明此方法有效,获得了较好的性能。考虑到上述方法具有领域局限性和受训练语料规模限制,进一步利用复杂网络的特征值抽取关键短语。此方法将单个文档构建成一个语义复杂网络,将点度中心度与中间中心度结合,计算综合特征值提取关键短语,比单独使用网络特征值抽取关键短语的性能有较大提高。这种方法的难点在于网络连通性难以确保并且计算量大。针对网络连通性难以确保问题,本文提出复杂网络分离的概念,通过广度搜索算法实现网络的连通测试,实现网络分离并用实验数据证明复杂网络的分离不仅没有降低关键短语抽取的准确率,而且解决了网络连通性问题,并提高了抽取效率。针对计算量大的问题,通过网络核心-边缘分析,本文提出基于边界节点的中间中心度,将由考虑网络中所有点转变为只考虑边缘节点,大大减少特征值的计算量。实验证明此方法切实有效。对解决复杂网络抽取关键短语有一定的指导作用。