提取关键词

创建包含文本数据的令牌化文档数组。

textdata = [“Matlab为科学家和工程师提供工具。Matlab被科学家和工程师使用。”“分析文本和图像。您可以导入文本和图像。”“分析文本和图像。分析Matlab中的文本，图像和视频。”];文档= tokenizeddocument（textdata）;

使用该关键字提取Rakekeywords.功能。

tbl = rakekeywords（文件）

TBL =.12×3表关键字Decopernumber得分_______________________________________________________________________“MATLAB”提供“”工具“1 8”MATLAB“”“”1 2“科学家”“和”工程师“1 2”工程师“”“1 1”科学家“”““”1 1“分析”“文本”“”2 4“导入”“文本”“”2 4“图像”“”“”“2 1”分析“文本”“”“”“”“”“”“”“”“”““3 1”图像“”“”“3 1”视频“”“”“3 1

如果关键字包含多个单词，那么一世字符串数组的元素对应于一世关键字的单词。如果关键字具有更少的单词，则最长关键字，那么String数组的剩余条目是空字符串“。

有关可读性，请使用“将多字关键字转换为单词”使用“加入和条功能。

如果尺寸（tbl.keyword，2）> 1 tbl.keyword = strip（加入（tbl.keyword））;结尾头（TBL）

ans =.8×3表关键字Decopernumber得分_____________________________________________“MATLAB提供工具”1 8“MATLAB”1 2“科学家和工程师”1 2“工程师”1 1“科学家”1“分析文本”2 4“进口文本”2 4“图像”2 1

指定每个文档的最大关键字数

这Rakekeywords.默认情况下，函数返回所有已识别的关键字。要减少关键字的数量，请使用'maxnumkeywords'选项。

通过设置提取每个文档的前三个关键字'maxnumkeywords'选择3。

tbl = rakekeywords（文件，'maxnumkeywords'3，3）

TBL =.9×3表关键字Decopernumber得分_______________________________________________________“MATLAB”提供“工具”1 8“MATLAB”“”“1 2”科学家“”和“工程师”1 2“分析”文本“”“”“”“”“文本”“2 4”图像“”“”“”2 1“分析”“文本”“”“3 4”matlab“”“”“3 1”图像“”“”“3 1

指定分隔符

请注意，在上面提取的关键字中，该功能从第一个文档中提取多字关键字“科学家和工程师”，但不会从第二个文档中提取多字关键字“文本和图像”。这是因为Rake算法使用分隔符之间的令牌作为候选关键字，并且算法仅在合并短语出现多次时合并与分隔符的关键字。

在这种情况下，令牌“文本”的实例出现在两个不同的多字关键字候选“分析文本”和“导入文本”中。因为，在这种情况下，该功能不会将“文本”提取为单独的候选关键字，算法不考虑与分隔符“和”和候选关键字“图像”合并候选。

您可以指定使用用于使用该关键字的分隔符使用'分隔师'和'mergingdelimiters'选项。要指定不应显示在提取的关键字中的分隔符，请使用'分隔师'选项。要指定可以出现在提取的关键字中的分隔符，请使用'mergingdelimiters'选项。

从相同的文本中提取关键字，如前所述，并指定单词“分析”和“导入”作为合并分隔符。

newdelimiters = [“分析”“进口”];mergingdelimiters = [stopwords newdelimiters];tbl = rakekeywords（文件，'mergingdelimiters'，mergingdelimiters）

TBL =.12×3表关键字Decopernumber得分_______________________________________________________________________“MATLAB”提供“”工具“1 8”MATLAB“”“”1 2“科学家”“和”工程师“1 2”工程师“”“1 1”科学家“”““”“1 1”文本“”和“图像”2 2“图像”“”“2 1”文本“”“”“”“2 1”matlab“”“”“”3 1“图像”“”“”“”“”“”“3 1“文本”“”“”3 1“视频”“”“”“3 1

请注意，该函数将令牌“文本”和“图像”视为关键字，并提取合并的关键字“文本和图像”。要了解有关Rake算法的更多信息，请参阅快速自动关键字提取。

备择方案

您可以尝试使用不同的关键字提取算法，以查看最适合您的数据。因为RAKE算法使用基于分隔符的方法来提取候选关键字，所以提取的关键字可能很长。或者，您可以尝试使用Textrank算法提取关键字，该算法从单个令牌以候选关键字开头，然后在适当时合并它们。要使用Textrank提取关键字，请使用textrakkeywords.功能。要了解更多信息，请参阅使用textrank从文本数据中提取关键字。