将2.1小节提取的候选关键词，作为TextRank算法的关键词提取所用样本。TextEank算法构建的图模型如图2所示。

图2 TextEank算法词图模型Fig.2 Word graph model of TextEank algorithm

图2中，将各个科研成果论文中文文本候选关键词看做图2所示的一个节点，各个节点初始权重是1，候选关键词节点权重之间存在权重均匀转移状态。其中，s^′表示最终提取的论文中文文本关键词集合。

结合TextEank算法技术原理可知，分析候选关键词重要性加权词语转移概率，判断候选关键词重要性，使关键词提取结果按照重要性排列，优化关键词提取效果。本文以候选关键词的平均信息熵、词性、位置三种特征为关键词排序分析指标，运算候选关键词综合权重，以从大到小的方式排列关键词。

设置科研成果论文中文文本中，某候选关键词s综合权重是：

ϖ(s) =ϖ_F + ϖ_Q + ϖ_Z（6）

式（6）中 ϖ_F、ϖ_Q、ϖ_Z分别代表平均信息熵、词性、位置三种特征权值。

候选关键词节点之间转移概率q (s_i, s_j)运算方法是：

式（7）中，Out (s)_i 代表图模型中，候选关键词节点s_i指向的全部节点集合；ϖ(s_i) 、ϖ(s_j) 代表候选关键词节点s_i、s_j的综合权重。

科研成果论文中文文本候选关键词节点权重迭代结果是：

式（8）中，ϖ( s_i ， s_j )代表s_i到s_j的边的转移概率； θ是调节系数； In (s_i) 代表指向s_j的全部节点集合。

综上所述，关键词提取步骤是：

（1）权重运算：运算科研成果论文中文文本候选关键词的综合权重ϖ(s) ；

（2）构建图2所示的图模型：结合候选关键词综合权重、转移概率，构建用于提取关键词的图模型；

（3）使用式（8）迭代运算模型中，各候选关键词节点权重，将权重得分排名前m个候选关键词节点，作为最终提取的科研成果论文中文文本关键词集合s^′。

为测试本文方法的使用效果，设计实验验证。实验所用数据来源于中国知网。在此数据集中随机选择计算机、电子等方向的科研成果论文作为提取样本。在此类论文文本中，筛选关键词标记完整的测试样本数目为100个，用于测试本文方法对科研成果论文中，中文文本关键词的提取性能。

在TextEank算法构建词图模型时，卷积核大小决定了考虑单词共现关系的范围。较小卷积核可以提取出更符合局部语义的关键词。但可能会忽略掉长距离的语义关联。较大卷积核大小可以提取出与主题更宏观相关的关键词，但可能引入过多的噪声关系，使得一些不重要单词被误判为关键词。

TextEank算法的迭代计算公式中，调节系数用于平衡节点自身的初始权重和来自邻居节点的权重传递。通常取值范围在0到1之间。较小的阻尼系数有利于发现一些潜在的、由语义关联支撑的关键词。但可能导致算法收敛速度较慢。较大的阻尼系数有助于文本中已经具有明显重要性的单词更有可能被提取为关键词。但是可能会弱化语义关联的影响。

这两种参数的优化方法：卷积核优化：根据论文的文本长度和复杂度自动调整卷积核大小，以平衡长距离和短距离语义关系的捕捉。调节系数优化：动态调节系数，可以使用较小的阻尼系数（如0.1~0.3），以便更好地探索语义网络中的潜在关系，让各种单词有机会根据语义关联调整权重。随着迭代次数的增加，逐渐增大阻尼系数（如达到0.6~0.8），以稳定关键词的权重分布并加快收敛速度。

实验1是以某计算机类科研成果论文中文文本关键词为标准，测试本文方法所提取的关键词，与文中标准关键词的匹配情况，以对比的方式，测试本文方法对中文文本关键词的提取精度。

实验2是将本文方法嵌入某关键词提取系统中，测试本文方法使用前后，计算机类科研成果论文中文文本关键词的提取效果。

实验3是将本文方法嵌入某关键词提取系统中，测试不同方法使用前后，建筑类科研成果论文中文文本关键词的提取效果。

设置所抽取的科研成果论文中，文本句子数目是n，原文关键词是s^′₁，本文方法提取的文本关键词是s^′₂，则原文关键词、提取文本关键词两者相似度是：

式（9）中，‖s^′₁ ‖、‖s^′₂‖表示s^′₁、s^′₂的模值。

设置科研成果论文中，中文文本段落数目分别是5段、10段、15段、20段、25段，在此工况中，本文方法提取关键词结果与s^′₁的相似度如表1所示。

表1 不同段落数目工况中关键词提取效果Table 1 Results of keyword extraction under different paragraph number conditions

如表1数据显示，本文方法所提取的关键词，与文中标准关键词的相似度极高，随着段落数目增多，相似度虽稍有变化，但也高达0.98，由此证明，本文方法对科研成果论文中文文本关键词提取精度较高。

将本文嵌入某关键词提取系统中，测试本文方法使用前后，关键词的提取结果。则本文方法使用后、使用前的关键词提取效果图如图3、图4所示，提取结果中，与标准关键词一致的词语，采用加粗、下划线的方式标注。

图3 本文方法使用后关键词提取效果Fig.3 Keyword extraction effect after using proposed method

图4 本文方法使用前关键词提取效果Fig.4 Keyword extraction effect before using proposed method

如图3、图4所示，本文方法使用前，某计算机类科研成果论文中文文本关键词提取结果存在误差，与标准关键词所示信息存在差异，“大数据分析”、“Spark”两词出现漏提情况。而本文方法使用后，中文文本关键词提取结果与标准关键词一致。由此证明，本文方法能够提高科研成果论文中文文本关键词提取精度。

从中国知网数据集中随机选择建筑类科研成果论文作为提取样本。将文献[6]方法、文献[7]方法作为对比方法，使用平均倒数等级、二元偏好度量这2个指标，深度测试不同方法的关键词提取效果。平均倒数等级σ可判断各个文本，被准确提取的关键词排名状态，数值靠近1，表示所提取关键词排名越准确；二元偏好度量ζ可判断错误提取的关键词排名状态，数值越小，表示所提取关键词排名越准确。详细的运算方法是：

上式中，U、s^′分别代表全部文本词汇集合、被准确提取的关键词集合；ρ₀、ρ分别代表位于正确关键词之前的错误关键词数量、提取的全部关键词数量。则三种方法的平均倒数等级、二元偏好度量的测试结果如图5~图7所示。

图5 文献[6]方法的平均倒数等级与二元偏好度量测试结果Fig.5 Average reciprocal level and binary preference measurement test results of method in reference [6]

图6 文献[7]方法的平均倒数等级与二元偏好度量测试结果Fig.6 Average reciprocal level and binary preference measurement test results of method in reference [7]

图7 本文方法使用后平均倒数等级与二元偏好度量测试结果Fig.7 Average reciprocal level and binary preference measurement test results after using proposed method

如图5~7所示，本文方法使用在某关键词提取系统后，随着文本数量增多，平均倒数等级仍大于0.95，二元偏好度量仍低于0.05。而其他两种方法的平均倒数等级小于所提方法，二元偏好度量则高于所提方法。由此证明，本文方法的使用，可提高科研成果论文中文文本关键词提取效果，关键词排名准确。原因是本文方法能够将语义特征作为候选关键词筛选核心，且关键词提取结果会以关键词权重大小排列。