关键词抽取工作作为自然语言处理中的一个基础课题,为信息检索、文本聚类、自动摘要生成等技术提供基本支持。可以使用户快速方便的理解文章主要内容从而判断如何进行下一步工作。本文的关键词抽取工作主要分为候选词识别和关键词抽取两部分。通过实验发现,对于中文关键词抽取任务来说,分词结果的好坏和候选词选取的质量将严重影响后期的抽取工作。针对此现象,本文将关键词抽取和关键短语抽取当作同一工作任务,统一成关键词抽取的研究,并将重点放在候选词识别部分。针对中文分词所包含的问题,在候选词的抽取方面,本文提出了一种结合连续单字未登录词识别和多词表达式识别的方法来进行候选词的识别：对于连续单字未登录词,利用简单的规则切分连续单字片段,该方法可以较好的识别出频率为1的该类未登录词；对于多词表达式,则在规则抽取的基础上加入LocalMaxs方法。两种方法的结合在不依赖语料库规模和领域的情况下,可以较好的识别出低频未登录词。通过对前人研究的进行分析发现,TF-IDF作为关键词抽取的主流特征之一,有着较好的可应用性和可拓展性,因此,本文仍选取TF-IDF作为主要特征,并在其基础上加入其它特征进行融合。考虑到兼类词的不同词性问题,根据词的词性不同,本文改进了词的TF计算公式,并考虑到方法的通用性问题,仅加入标题词权重信息和词长信息来改进TF-IDF公式进行关键词的抽取工作。本文设计了多组实验,分别对本文提出的未登录词识别方法和关键词抽取方法进行验证。在关键词抽取方法的验证中,同时证明了候选词识别对后期关键词抽取方法的影响。通过比较实验,在利用本文候选词识别方法的基础上,改进的TF-IDF方法较传统的TF-IDF方法P、R、F值均提高了5%左右。