【文件属性】：
文件名称：SIFRank_zh:基于预训练模型的中文关键词提取方法（论文SIFRank
文件大小：2.4MB
文件格式：ZIP
更新时间：2021-03-21 04:27:41
word-embeddings python36 keyword-extraction keyphrase-extraction sif
SIFRank_zh
这是我们论文的相关代码原文是在对英文关键短语进行抽取，这里迁移到中文上，部分管道进行了改动英文原版在。。
版本介绍
2020/03 / 03——最初最初版本本版本中只包含了最基本的功能，部分细节还有待优化和扩展。
核心算法
预训练模型ELMo +句向量模型SIF
词向量ELMo优势：1）通过大规模预训练，较早的TFIDF，TextRank等基于统计和图的具有更多的语义信息； 2）ELMo是动态的，可以改善一词多义问题； 3）ELMo通过Char -CNN编码，对生隐词非常友好； 4）不同层的ELMo可以捕捉不同层次的信息
句子矢量SIF优势：1）根据词频对词向量进行平滑逆频率变换，能更好地捕捉句子的中心话题； 2）更好地过滤通用词
最终关键焦点识别
首先对句子进行分词和词性标注，再利用正则表达式确定确定名词短语（例如：形容词+名词），将名词作为前缀关键字
最终关键利率
【文件预览】：
SIFRank_zh-master
----auxiliary_data()
--------chinese_stopwords.txt(5KB)
--------zhs.model()
--------__init__.py(91B)
--------dict.txt(4.84MB)
--------user_dict.txt(62B)
----others()
--------elmo.py(8KB)
----data()
--------__init__.py(91B)
--------test.01.txt(770B)
----model()
--------extractor.py(2KB)
--------__pycache__()
--------__init__.py(91B)
--------method.py(7KB)
--------input_representation.py(2KB)
----test()
--------test.py(2KB)
----.idea()
--------codeStyles()
--------misc.xml(197B)
--------vcs.xml(180B)
--------modules.xml(266B)
--------dictionaries()
--------SIFRank.iml(453B)
--------workspace.xml(33KB)
----README.md(8KB)
----util()
--------__pycache__()
--------fileIO.py(416B)
----embeddings()
--------__pycache__()
--------sent_emb_sif.py(12KB)
--------word_emb_elmo.py(1KB)
--------__init__.py(90B)