随着互联网的疾速发展,在线文本信息呈指数式增长,如何准确提取目标文本中的核心词,进而快速表达当前文本主旨变得尤为重要。关键词是能够代表文档内容信息的最小单元,可以简明地表述文档的主旨,成为人们快速掌握文档内容的主要工具。传统的关键词获取方式是由专家对文档进行标注产生;面对如今海量的网络文本,人工标注已经变得不现实。通过设计计算机相应算法对文档实现关键词的自动抽取则逐渐成为研究的热点;同时,关键词自动抽取技术也广泛应用于搜索引擎、新闻服务等领域,是实现信息检索、文本自动摘要、文本分类、聚类等任务的基础。本文分别提出基于单文档内信息和多文档主题信息的关键词抽取方法,用以提升关键词抽取的准确率和召回率。本文首先描述选题的背景及意义,对关键词抽取的国内外研究现状进行总结,其次简要介绍了本文研究的基础理论:聚类算法、LDA主题模型和PageRank网络模型等;然后基于文档内信息,将文档的词聚类结果作为词图中的节点,构建全连接网络图,进行关键词抽取;该方法一定程度上减少了候选词冗余现象,提升了关键词的主题覆盖度;但受限于文档提供信息不足的缺点,进而提出基于文档主题结构和词图迭代相结合的方法,综合考虑多文档主题信息和单文档内部结构信息,利用主题模型建模结果改变词图结构,实现对关键词更为有效地抽取。最后本文使用爬虫爬取的网络文本数据,对提出的两个模型分别进行了相应的对比实验,验证了本文提出模型的有效性和优越性。具体的创新点有:(1)利用词向量模型将文本转化为向量,通过聚类方法对候选词进行聚类,将聚类结果作为词图的节点,构建全连接网络图对聚类结果进行排序,最后筛选类别中关键词。该方法一定程度上降低了候选关键词的冗余情况,提升了抽取的准确率。(2)综合利用主题模型和文档结构信息,通过主题模型对多文档进行建模,改变词图节点的权重和随机跳转概率,解决单文档信息受限问题,提升了关键词抽取的准确率和召回率。