基于TF／IDF多因素改进算法的知识单元抽取研究

深入分析知识研究的基本知识单元，对知识单元的概念、特性、载体及抽取过程做详细阐述，提出知识计量研究中的知识单元的定义与特性，对知识单元的独立性、组合性、链接性、多维性、外显性、可测性进行详细说明。根据知识单元特性以及中文文献特点，提出一种基于词长和位置考虑的TF／IDF多因素改进算法，以《半导体光电》期刊1999—2006年数据为实例，对比分析了传统TF／IDF特征词抽取方法与改进后特征词抽取算法，分析结果表明，基于词长和位置的TF／IDF多因素改进算法显著提高了知识单元抽取效率和准确性。