我用以下文本测试了IBM自然语言理解服务中的关键字提取：
Desarrollo PDA。调整PDA。 Nuevo模数PDA。调整PDA模数。没有sincroniza PDA。 PDA模错误。
我得到以下答复：
现在我的问题是，为什么“ modulo pda”关键字的相关性为98.31％，而不仅仅是具有较高相关性的“ PDA”？我一直在到处搜索IBM如何工作而无济于事。
答案 0 :(得分：0)
用于提取和评分关键字的实际算法将是公司专有的配方，我不希望它们将其公开。但是您可以找到很多关于该主题的研究论文，但通常最终的商业产品将包含各种不同技术的组合以获得最佳结果。
您可以比较来自不同提供商（例如IBM，Google，Amazon）的不同NLU服务并比较结果。
专门针对您的查询，您尝试从单个文档中提取关键字或主题。 PDA出现在文档中的每个句子中。如果我们使用诸如TF-IDF之类的简单技术，其中每个句子都是一个文档，则PDA单词的TF-IDF = 0，因为它出现在每个句子中，并且变得无关紧要，因为它没有为总体主题或文档重要性添加信息。