1、當今，因特網(wǎng)技術(shù)高度發(fā)達，大量有價值的研究文獻，如論文、期刊、專利說明書、會議文獻、技術(shù)檔案等信息，均以文本的形式存在于網(wǎng)上。這些信息一般是無結(jié)構(gòu)的，其內(nèi)容大多是自然語言，其語義很難由計算機處理。
　　有鑒于此，本文使用文本挖掘技術(shù)對文獻信息進行挖掘，從中提取必要的知識，包括作者的合著關(guān)系、研究內(nèi)容等，并將所獲取的知識可視化。本文研究的主要內(nèi)容包括:
　　(1)文獻預(yù)處理。預(yù)處理包括清洗、去噪、干化、分句、分詞等，將預(yù)處理后

2、的文獻進行特征提取和特征表示，使用這些特征提取文獻中的關(guān)鍵詞。
　　(2)關(guān)鍵字提取。首先使用一定的規(guī)則做候選短語識別，然后計算各個候選短語的特征值，最后通過機器學(xué)習(xí)算法從各個候選短語中預(yù)測關(guān)鍵短語。
　　(3)知識的可視化表示。使用交互式圖表echarts對提取的知識進行可視化，以易于被人理解的方式將知識呈現(xiàn)給用戶。
　　在本課題的實驗階段，通過與已標記的關(guān)鍵詞進行比對，使用了龐大的語料庫對KEA算法的效果進行了評估