迈入二十一世纪,伴随着科技的不断进步和互联网的高速发展,各类的信息资源成倍快速增加。人们迫切地希望能快速的、准确的从庞大的信息源中寻找到对自己真正有用的资料。关键词能够高度归纳文档的内容,并且反映文档的主题,为人们寻找资源提供有力的帮助。目前大部分的文本资源没有提供关键词。虽然人工标注关键词往往拥有较高的准确性,但是因为标注者的学识储备、理解程度差异以及总结概括能力不尽相同,往往带有较强的主观性。况且,其需要花费较多时间阅读、理解文本,这显然无法满足如今信息资源快速增长的速度。关键词提取技术由此出现,其能很好地处理这个难题。建立统一的标准,借助于计算机的快速处理能力,自动提取关键词,可以大量减少人力、时间消耗,降低主观性的影响。本文以对中文文本进行关键词提取作为研究对象。阐述了关键词提取的基本概念,并对当前国内外的研究情况进行调研。接着,对基于文档主题结构的方法以及基于语义的方法进行详细研究。文中剖析了中文分词和英文分词两者间的差别,前者更加复杂,对关键词提取影响更大。针对中文分词的新词识别这一难点问题,动态更新分词词典来提高中文分词的准确性。同时,借助于向量空间模型,使用改进算法在连续的文本分段中寻找最优聚类,构建文档的主题结构。对基于文档主题结构的算法进行改进,提取全局关键词。并在此基础上,加入中文词语之间的语义相似度的因素,进一步改进算法,将统计方法与语义相结合,提升关键词提取的效果。本文以准确率、召回率以及F度量作为评价指标,改进算法与其他算法的对比实验的实验结果表明改进算法能够较好地提高对中文文本进行关键词提取的结果,验证了改进算法的有效性。