基于 N-gram 的研究论文主题自动提取方法
计算与语言
2021-10-25 v1 人工智能
摘要
为文章确定主题需投入大量人工工作。面对海量文章，人工流程可能令人不堪重负。我们的方法旨在通过从大量文章文本中自动提取主题来解决此问题。该方法兼顾流程效率。基于已有的 N-gram 分析，我们的研究考察特定词在文档中的出现频率，以支持自动主题提取。为提高效率，我们对研究施加了自定义过滤标准，并尽可能删除许多非关键或不相关的短语。以此方式，我们确保为每篇文章选取捕捉其核心思想的独特关键词短语。研究中我们选取自动驾驶汽车领域为中心，因其与日常生活相关。由于多数研究论文仅为 PDF 格式，我们须将大多数论文的 PDF 版本转换为 TXT 等可编辑文件类型。为检验所提自动化思路，我们选取了众多机器人学文章。随后，我们通过将结果与人工所得结果比较来评估该方法。
引用
@article{arxiv.2110.11879,
title = {An N-gram based approach to auto-extracting topics from research articles},
author = {Linkai Zhu and Maoyi Huang and Maomao Chen and Wennan Wang},
journal= {arXiv preprint arXiv:2110.11879},
year = {2021}
}