Методы автоматического извлечения ключевых слов из научного текста

В данной работе проведено рассмотрение проблемы автоматического извлечения ключевых слов из текстов научного стиля на русском языке. В работе произведен обзор существующих методов, касающихся решения данной проблемы. Были определены возможные подзадачи, возникающие при разработке и реализации методов автоматического извлечения ключевых слов, и рассмотрены существующие подходы к их решению. На основе обзора был выбран подход с использованием представления внутренних отношений между потенциальными ключевыми словами в виде графа, в котором вершины являются потенциальными ключевыми словами, а ребра графа указывают на наличие семантической, синтаксической, статистической или иной связи между соединяемыми вершинами. В качестве потенциальных ключевых слов были выбраны только существительные и словосочетания с существительными в качестве главного члена. В качестве связи между потенциальными ключевыми словами были выбраны совместная встречаемость в предложении и отношение «являться частью». Совместная встречаемость определена в ее симметричном варианте, однако природа отношения «являться частью» не является таковым. Это отражено в виде значений весов соответствующих ребер. Алгоритм оценивания вершин основан на итеративном алгоритме, используемом в методе TextRank (R. Mihalcea и P. Tarau. "TextRank: Bringing order into texts.", 2004). Была произведена программная реализация предложенного метода и было произведено сравнение эффективности с стандартным для текущей задачи методом, основанной на оценке TF-IDF. В результате анализа было выявлено, что предложенный метод показывает чуть худшую эффективность на тестовых данных по сравнению с методом TF-IDF. Были выявлены потенциальные причины недостаточно удовлетворительной эффективности, устранение которых может привести к улучшению качества результатов предложенного метода.