文章详情

题名 · 作者 · 摘要 · 关键词 · DOI · 参考文献

基于多模态语义挖掘的新闻关键词提取方法

刘瑜

（芜湖传媒中心，安徽 芜湖 241000）

栏目：计算机技术 · 第 2025 年第 6 期 · 页码：57-61 · 2096-4706（2025）06-0057-05 · 中图分类号：TP391 · 文献标识码：A · DOI：10.19850/j.cnki.2096-4706.2025.06.011

摘要

在信息爆炸的时代，网络新闻信息过载问题日益严重，传统的分类方法往往无法在多模态场景下做出准确的关键信息识别。针对这些问题，设计提出一种基于多模态的关键词提取方法，通过长文本语义理解、新闻图片关键信息提取的方式，融合并筛选多模态的新闻内容中的关键信息，通过多模态融合的方式提升新闻关键词提取的准确性。与多个基线模型的对比实验结果证明，设计的模型能在多模态关键词提取场景下取得更好的性能指标，关键词提取结果更为准确。

关键词

关键词提取；多模态融合；预训练模型；目标识别；语义融合编码

参考文献

  1. [1] 唐钰.信息检索算法的研究与改进 [D].南京：南京邮电大学，2022.
  2. [2] 冯月.基于个性化推荐的林业新闻推荐系统的研究 [D].北京：北京林业大学，2022.
  3. [3] 卢辉鸿，马平，王肖.基于BERT-CLS-ATT模型的虚拟主播评论情感分类算法 [J].中国人民公安大学学报：自然科学版，2024，30（1）：74-80.
  4. [4] 苏婧琼，苏艳琼.基于LDA和TF-IDF的关键词提取算法研究 [J].长江信息通信，2024，37（1）：78-80.
  5. [5] 兰晓芳，刘卓，许志豪，等.基于TF-IDF和TextRank结合的中文文本关键词提取方法——以体育新闻为例 [J].软件工程，2023，26（8）：6-10.
  6. [6] PAN R. Automatic Keyword Extraction Algorithm for Chinese Text based on Word Clustering [J/OL].Transactions on Asian and Low-Resource Language Information Processing，2023：1-17（2023-04-08）.https://dl.acm.org/doi/10.1145/3592793.
  7. [7] SARWAR T B，NOOR N K M，MIAH M. Evaluating Keyphrase Extraction Algorithms for Finding Similar News Articles Using Lexical Similarity Calculation and Semantic Relatedness Measurement by Word Embedding [J/OL].PeerJ Computer Science，2022（8）：e1024（2022-07-07）.https://peerj.com/articles/cs-1024/.
  8. [8] ESPADA J P，MARTINEZ J S，RICO I C，et al. Extracting Keywords of Educational texts Using a Novel Mechanism based on Linguistic Approaches and Evolutive Graphs [J/OL].Expert Systems with Applications，2023：118842（2022-10-01）.https://doi.org/10.1016/j.eswa.2022.118842.
  9. [9] 王玉叶，王玙.基于图神经网络的专利关键词提取算法研究 [J].情报理论与实践，2023，46（5）：202-208.
  10. [10] ABIBULLAYEVA A，HÜMA K，CETIN A. An Ensemble Keyword Extraction Model for News Texts with Statistical and Graphical Features [J].International Journal of Software Engineering and Knowledge Engineering，2024，34（7）：1047-1061.
  11. [11] MENG R，ZHAO S，HAN S，et al. Deep Keyphrase Generation [C]//Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers).Vancouver，ACL，2017：582-592.
  12. [12] YUAN X，WANG T，MENG R，et al. One Size Does Not Fit All: Generating and Evaluating Variable Number of Keyphrases [C/OL]//Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics.ACL，2020：7961-7975[2024-09-10].https://aclanthology.org/2020.acl-main.710/.
  13. [13] GUO L，SUN H，QI Q，et al. Keyword Extraction Algorithm Based on Pre-training and Multi-task Training [C]//Proceedings of Sixth International Congress on Information and Communication Technology.London：Springer，2022：723-734.
  14. [14] MA J，CHENG J，ZHANG Y. A Novel Keyword Generation Model Based on Topic-Aware and Title-Guide [J/OL].Computational Intelligence and Neuroscience，2022：1-9（2022-01-01）.https://doi.org/10.1155/2022/1787369
  15. [15] CHEN W，CHAN H P，LI P，et al. Exclusive Hierarchical Decoding for Deep Keyphrase Generation [C/OL]//Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics. 2020：1095-1105[2024-09-10].https://aclanthology.org/2020.acl-main.103/.

作者简介

刘瑜（1978—），男，汉族，安徽芜湖人，高级工程师，硕士，研究方向：大数据、新闻推荐。