关键词范文10篇

一、社会主义改造

新中国成立后，前七年这段时间，我们一般又会把它分为两个阶段:一个阶段是国民经济恢复时期，从1949年新中国成立到1952年底;另一个阶段则是社会主义改造时期，从1953年到1957年。通常所说的“社会主义改造”，是指和中国共产党，依据新民主主义革命胜利所创造的向社会主义过渡的经济政治条件，采取社会主义工业化和社会主义改造同时并举的方针，实行逐步改造生产资料私有制的具体政策，从理论和实践上解决了在中国这样一个占世界人口四分之一且经济文化落后的大国建设社会主义制度的艰难决策和过程。把握社会主义改造，我们需要注意以下几个问题。一是中国共产党和对中国应该用多长时间、采取什么样的方式过渡到社会主义这一问题的认识，经历了从最初设想的先搞一段新民主主义建设，将来“一举过渡”到“逐步过渡”的变化。1948年9月，在中共中央召开的政治局会议上，刘少奇作了《关于新民主主义的建设问题》的报告。当谈到何时向社会主义过渡问题时，他说“过早地采取社会主义的政策是要不得的”，“过早地消灭资本主义的办法，则要犯‘左’倾的错误”。表示赞同，并特别补充说:到底何时开始全线进攻?也许全国胜利后还要15年。当时的意思是，建国后要继续搞一段时间的新民主主义，使工业和整个国民经济在恢复的基础上得以发展，使新民主主义内部的社会主义因素逐步增加，等到条件基本成熟，再向社会主义转变。关于转变的时间，最初的设想是15年。1949年3月，党的七届二中全会上，又提出大约需要15到20年。同年9月第一届全国政协会议期间，有党外民主人士询问要多少年过渡到社会主义，回答说:大概要二三十年吧。从上述这些提法来看，基本构想是先搞10年、15年或更长一点时间的新民主主义，然后再向社会主义过渡。也就是说，建国之初“要搞一段新民主主义，是真心实意的”。只是，随着国内形势的变化，的构想稍微有所改变。1951年2月18日，他在中共中央政治局扩大会议上正式提出“三年准备，十年建设”的战略构想，并在会议决议要点中强调指出:“三年准备、十年计划经济建设的思想，要使省市级以上干部都明白。准备时间，现在起还有二十二个月，必须从各方面加紧进行工作。”然而，“三年准备，十年建设”的构想，还不是最后的定见。1951年中央政治局扩大会议结束不久，他就改变了这一构想，开始谈论向社会主义过渡的构想。1952年9月24日在中央书记处的会议上，在听取关于“一五”计划轮廓问题同苏联商谈情况的汇报后，讲了一段话，大意是:我们现在就要开始用10年到15年的时间基本上完成到社会主义的过渡，而不是10年或者以后才开始过渡。

1952年10月，刘少奇率代表团参加苏共，期间受委托，于10月20日给斯大林写了一封信，请示中国逐步过渡到社会主义的问题。10月24日，斯大林接见中共代表团时说:“我觉得你们的想法是对的。当我们掌握政权以后，过渡到社会主义去应该采取逐步的办法。”这次会谈的情况，刘少奇以电报的形式向作了汇报。这就更加坚定了逐步过渡的决心。1953年2月，在中央书记处会议上讲了在湖北视察时同孝感地委负责同志谈话的内容，他说:什么叫过渡时期?过渡时期的步骤是走向社会主义。我给他们用扳指头的办法解释，类似过桥，走一步算是过渡一年，两步两年，三步三年，10年到15年走完。1953年6月15日，主持召开中央政治局会议，讨论李维汉所作《关于资本主义工业中的公私关系问题》的报告。在会议上的讲话中，正式提出过渡时期总路线，并作了系统阐述。指出:“从中华人民共和国成立，到社会主义改造基本完成，这是一个过渡时期。党在过渡时期的总路线和总任务，是要在十年到十五年或者更多一些时间内，基本上完成国家工业化和对农业、手工业、资本主义工商业的社会主义改造。”〔1〕二是过渡时期总路线的实质。党在过渡时期总路线的实质是逐步地改变生产关系，基本完成对生产资料私有制的社会主义改造，使生产资料的社会主义公有制即全民所有制和集体所有制成为我国社会的经济基础。正如所说:“党在过渡时期的总路线的实质，就是使生产资料的社会主义所有制成为我国国家和社会的唯一的经济基础。”〔2〕他在另一次谈话中对此说得更为清楚:“总路线也可以说就是解决所有制的问题。国有制扩大———国营企业的新建、改建、扩建。私人所有制有两种，劳动人民的和资产阶级的，改变为集体所有制和国营(经过公私合营，统一于社会主义)，这才能提高生产力，完成国家工业化。”〔3〕三是社会主义改造和改革之间的关系。社会主义改造的成果解放了生产力，促进了工农业和国民经济的发展，人民生活水平有了明显提高，人民民主政权更加巩固，并由此建立起社会主义社会制度。但改造过程中也有缺点和偏差。

在1955年夏季以后，农业合作化以及对手工业和个体商业的改造要求过急，工作过粗，改变过快，形式也过于简单划一，以致在长期间遗留了一些问题。1956年资本主义工商业改造基本完成后，对于一部分原工商业者的使用和处理也不很适当。相比成绩来说，缺点和偏差是微不足道的。在探讨我国社会主义改造与社会主义改革的关系时，有人用指导现在的社会主义改革的思想观点来否定过去的社会主义改造;也有人用指导过去的社会主义改造的思想观点来否定现在的社会主义改革鼓吹“早知今日，何必当初”。确实，社会主义改造是为了实现从新民主主义社会向社会主义社会的过渡，从而建立社会主义基本制度;社会主义改革是为了完善社会主义制度。二者存在明显的区别。同时，社会主义改造与社会主义改革也具有深层的内在联系，都是为了解放生产力，发展生产力;都是中国共产党领导中国人民朝着社会主义方向而奋斗的伟大历史进程中的大胆探索;社会主义改革不是对社会主义改造的否定，而是对社会主义改造理论和实践的进一步发展，两者是一脉相承的。

二、赶超“跃进”

鸦片战争以来，实现中华民族的独立富强和中国人民的富裕幸福，就成为中国人梦寐以求的事情。为此，许多仁人志士抛头颅洒热血前赴后继。新中国成立后，百废待兴。作为中国最高领导人的，希望以最快的建设速度尽快改变贫穷落后的面貌，使中国真正发展、强大起来，自立于世界民族之林。1954年6月，曾指出:“现在我们能造什么?能造桌子椅子，能造茶碗茶壶，能种粮食，还能磨成面粉，还能造纸，但是，一辆汽车、一架飞机、一辆坦克、一辆拖拉机都不能造。”其忧虑、急迫之心溢于言表。1956年8月，在党的八大预备会议上第一次提出了“超美”设想:“我们这个国家建设起来，是一个伟大的社会主义国家，将完全改变过去一百多年落后的那种情况，被人家看不起的那种情况，倒霉的那种情况，而且会赶上世界上最强大的资本主义国家，就是美国。”1957年11月，赴苏联参加十月革命胜利40周年庆典活动。随后出席在莫斯科召开的共产党、工人党代表会议。这次会议可以说是世界共产党的狂欢，各国代表意气风发、纵谈全球大事、指点江山。会上，赫鲁晓夫提出苏联要在15年时间在工农业最重要产品的产量、某几项工业产量方面赶上和超过美国。受赫鲁晓夫的刺激，提出中国在15年后可能赶上或者超过英国。1958年4月，写《介绍一个合作社》的批语说:“十年可以赶上英国，再有十年可以赶上美国，说‘二十五年或者更多一点时间赶上英美’是留了五年到七年的余地的。‘十五年赶上英国’的口号仍不变。”〔4〕1958年5月，在党的八大二次会议上，李富春提出:七年赶上英国，十五年赶上美国。在批语中改为:七年赶上英国，再加八年或者十年赶上美国。1958年6月21日，在中央军委扩大会议上又一次将赶超时间提前，他说:我们三年基本超过英国，十年超过美国，有充分把握。在这种赶超氛围的影响和鼓舞下，“”发动了。“”运动，在生产发展上追求高速度，以实现工农业生产高指标为目标。要求工农业主要产品的产量成倍、几倍甚至几十倍地增长。这种脱离实际的跃进，必然带来无尽的灾难。注意到了这种情况，并逐步作出改变。1960年12月24日至1961年1月13日，中共中央在北京召开工作会议期间，说:这三年都是指标高了，后来退不下来了。1958年北戴河会议后从9月份开始大搞，1959年庐山会议反右倾后又大搞，1960年又一年，这三年大炼钢铁挤了农业。还说:过去总是冷得不够，热得多了一点。现在看来，搞社会主义建设不要那么十分急。十分急了办不成事，越急就越办不成，不如缓一点，波浪式地向前发展。此后，社会主义建设的战略步骤回到正确的轨道。

1引言

关键词是与文章内容和主旨密切相关的短语，被广泛应用于新闻报道、学术期刊等领域。关键词可以提高文档的管理和检索效率，还可以为一些文本挖掘任务提供丰富的语义信息，例如文档的分类、聚类、检索、分析和主题搜索等任务[1]。期刊的关键词对应学术期刊中的keywords部分，包含简单关键词（SimpleWord,SW）和复杂关键词（ComplexWord，CW）两大部分，其中SW表示由一个简单词组成的关键词，CW表示由多个简单词组成的关键词。根据IEEEExplorer[2]统计数据显示，每年约有24万篇新学术期刊被收录。根据某些学科期刊的要求，在文献发表时作者需要在期刊中对关键词进行注明。但仍有一些学科的出版物与早期发行的期刊、书籍、文献的部分章节不包含关键词等信息。缺乏关键词会在期刊的查阅和参考过程中造成困难。虽然可以使用索引对全文进行检索，但这种方法工作量大、且检索结果依赖于分词效果，难以给出准确的检索结果。而关键词抽取就是从文章中选择一小部分单词或短语来描述文章重要内容[3]。因此，需要寻找一种有效的期刊关键词抽取方法。针对传统方法的不足并结合最新研究成果，本文提出了一种基于融合词性的BiLSTM-CRF的期刊关键词提取方法。在实现数据时序和语义信息挖掘的同时，也保证了单词与单词之间的关联性。在真实数据上的实验结果表明融合词性的BiLSTM-CRF模型是一种有效的期刊关键词自动抽取方法。

2相关工作

目前，关键词抽取任务主要有两种方法，基于无监督的方法和基于有监督的方法[4,5]：2.1基于无监督的方法：无监督方法仅通过一些事先规定的关键词权重的量化指标，计算权重排序关键词重要性来实现。TFIDF是字符串频率关键词[6,7]抽取的一种典型方法，其本质是无监督的，可以简单快捷的进行关键词抽取。该方法仅扫描语料库一次，即可获得所有单词的文本频率。但除了词频之外，仍需要考虑许多因素，例如词的词性以及在文本中的位置等。为了提高该方法的性能，必须人工的对其许多规则进行设计[5]。在新闻领域，字符串频率方法比有监督的机器学习方法更有效。因为机器学习的方法在模型训练时需要花费大量的时间，并且文档需要标注。其次，每天都会发生新事件，新闻的内容具有多样性。但无监督方法只提供了单词在文本中的相对重要程度，无法有效地综合利用词法和语义信息对候选关键词进行排序[8]。2.2基于有监督的方法：有监督的方法将关键词抽取问题视为判断每个候选关键词是否为关键词的二分类问题,它需要一个已经标注关键词的文档集合来训练分类模型,即通过在一个有标注的数据集上训练分类器,以便决定候选词中哪些是关键词。不同的机器学习算法可以训练出不同的分类器,如朴素贝叶斯[9]，决策树[10]、最大熵算法[11]和支持向量机[12]等是关键词抽取中的代表性方法，通过大量数据来训练分类器。可见有监督方法可以利用更多信息具有更大的优势，且实验效果比无监督方法好[4]。这种方法具有较高的准确性和较强的稳定性，但需要很大的语料库，且所有文本需要进行标注。标注人员具有一定的主观性并且标注任务具有复杂性。不同的标注人员在进行同一个文本的标注时，具有不同的认知和看法，标注的质量会影响模型的性能。并且上述方法都将关键词抽取问题视为一个二分类问题，对每个单词独立处理，忽略了文本结构信息。为解决该问题，可以将关键词抽取问题转化为序列标注问题，常用的模型有最大熵模型（MaximumEntropy,ME），隐马尔科夫模型(HiddenMarkovModel,HMM)，条件随机场模型（ConditionalRandomField,CRF）。其中CRF模型的应用最为广泛，性能也最好，可以较为精确的实现关键词的有效提取，但却需要人工设计特征，特征设计的优劣与否将会直接影响到模型的性能和最终的抽取效果。随着深度学习的不断发展，深度神经网络，尤其是长短期记忆网络（LongShortTermMemory,LSTM)模型，前一时刻隐藏层的信息可以加入到当前时刻的输出，通过LSTM层可以高效地利用上下文信息，处理长序列依赖问题。通过结合LSTM模型和CRF模型，综合利用多种信息，可以使得效果更好[13]。在近期的研究中，已有学者将BiLSTM-CRF网络模型用于开放式关系抽取[14]、命名实体识别[15]、中文分词[16]等自然语言处理任务中。Alzidy等已经将BiLSTM-CRF网络用于关键词抽取任务中[17]，使用固定的词嵌入来表示单词，输入网络，得到序列标注结果。

3融合词性与BiLSTM-CRF的抽取模型

针对从文本中自动抽取关键词的问题，现有的解决方法大多基于二分类的思想。这种方法忽略了单词之间的关联性，将每个词视为独立的部分，因此无法通过联系上下文来准确把握文的有效信息，从而导致模型具有较差的关键词抽取能力。针对该问题，本文结合条件随机场与深度学习中双向长短期记忆网络（BidirectionalLongShortTermMemory,BiLSTM)模型可以自动提取特征的优势，将期刊关键词的抽取问题转化为序列标注问题，提出了融合词性与BiLSTM-CRF的期刊关键词抽取方法。融合词性与BiLSTM-CRF的关键词抽取模型如图1所示:关键词自动抽取模型共包含三大部分：(1)对期刊文本进行分词和词性标注的预处理；(2)将预处理后的文本使用word2vec模型进行WordEmbedding向量化，获取字词的向量表达式；(3)使用BiLSTM-CRF模型实现关键词的自动抽取。3.1特征提取：（1）词性标注在关键词组合的过程中，可能会采用不同的词性组合方式，但通过对期刊中大量的关键词研究发现，期刊中的关键词一般由名词，形容词和动词组合形成[13]，因此在实验中需要对词性进行标注，例如：信号控制单元(n+vn+n),高性能电池(ad+n)，其中，n表示名词，vn表示动词，ad表示形容词。加入词性特征对期刊关键词的识别有一定作用。（2）依存句法分析依存句法分析就是确定一个句子中词语与词语之间的依存关系或者对句子的句法结构进行分析。词语之间的依存关系主要有介宾关系、动宾关系、主谓关系等。本文采用语言技术平台[18]（LanguageTechnologyPlatform，LTP），对期刊文本进行依存句法分析，通过过滤不可能组成关键词的依存关系，可以提高识别关键词的效果。（3）词向量表示本文采用Word2Vec模型[19]中的Skip-gram模型[21]来训练词向量。Skip-gram模型是在已知当前词语的情况下，去预测上下文信息。模型的目的是要学到好的词向量表示，然后能够很好的预测它上下文的词语。Skip-gram模型如图2所示。在训练词向量的过程中分别将词、词性、依存句法分析等特征通过word2vec工具转换成词向量表示，词的维度为200维，词性和依存句法分析的维度分别为10维，最后通过嵌入式向量引入模型进行融合，生成最终的特征向量表示。3.2LSTM网络：循环神经网络(RNN)[20]被广泛应用于命名实体识别、语音识别等自然语言处理任务中，具有记忆历史信息的能力，能够使模型通过长距离的特征对当前的输出进行预测。但随着RNN网络深度和训练时长的增加，在对较长序列数据处理时存在梯度消失和梯度爆炸的问题。LSTM网络与传统的RNN具有相似的网络结构，通过使用专门构建的记忆细胞代替RNN网络中隐藏层的更新模块，使LSTM网络具有发现和探索数据中长时间的依赖信息的能力。LSTM的神经元结构如图3[21]所示。由上图可知，LSTM模型使用门结构对细胞状态进行保持和更新，一个LSTM存储单元主要由输入门(i),输出门(o),遗忘门(f)和记忆细胞(c)组成。LSTM模型可以通过下列公式实现：其中，σ表示Sigmoid函数，tanh是双曲正切函数，t表示当前时刻，t-1表示前一时刻，it、ft、ot、ct分别表示当前时刻输入门、遗忘门、输出门和记忆细胞的输出，W和b分别表示模型训练过程中的权重矩阵和偏置向量。在序列标注任务中，由于引入了记忆单元和门结构，在输入句子较长时，可以防止距离当前词语较远但依赖关系较强的信息被遗忘。本文定义标签集{B,M,E,O},其中，B表示CW的首部和SW，M表示CW的中部，E表示CW的尾部，O表示其他文本，LSTM模型[22]如图4所示。在对期刊的关键词进行抽取时，通常需要在给定时间访问过去或未来的输入特征，而单向LSTM网络只能处理和存储前一时刻信息，因此可以使用图5所示的双向LSTM网络[22]来完成该任务。这样可以在指定的时间范围内有效地使用上下文信息。其中，过去的特征通过Forward状态获取，未来的特征通过Backward状态获取。然后使用时间的反向传播来训练BiLSTM网络。随着时间推移，在展开的网络上进行的前向和后向传播与传统网络的前向和后向传播类似，但需要设置隐藏状态。在对整个句子进行前向和后向传播的时候仅需要在句子的开头将隐藏状态重置为0。由图5可知，BiLSTM网络可以同时获取较长语句的前后文信息，保证了上下文之间的依赖关系。在期刊关键词抽取任务中，若起始词为关键词，LSTM网络会忽略语句开头与结尾间的依赖关系，因此会导致误判。因此，BiLSTM模型为有效的进行关键词抽取奠定了基础。3.3融合词性特征的BiLSTM-CRF模型：条件随机场是一种针对序列标注问题效果最显著的条件概率模型，其本质是一个无向图模型。本文在BiLSTM模型的基础上，结合CRF处理序列标注问题的天然优势，有效的引入标签之间的转移关系，构建转移状态矩阵，从而更有效的实现关键词的自动抽取。将BiLSTM网络和CRF网络整合为BiLSTM-CRF模型，如图6所示。通过BiLSTM网络，模型可以有效的利用过去的输入特征和未来的输入特征挖掘期刊文本数据的隐含特征，通过CRF层，利用状态转移矩阵模型可以有效的利用过去和未来的文本的标签信息预测当前的标签。由图6可知，BiLSTM-CRF主要包含WordEmbedding向量化，BiLSTM网络，CRF三个部分。模型的输入为分词和进行词性标注后的序列文本。在WordEmbedding向量化过程中使用Word2Vec模型[19]通过训练后，根据给定的语料库可以快速有效地把对文本内容的处理简化为K维向量空间中的向量运算，将一个词语表达成向量形式，从而可以使用向量空间上的相似度来表示文本语义上的相似度。本文使用Word2Vec模型中的Skip-Gram模型，通过给定单词来预测上下文信息，使用无监督的方式通过学习文本来用词向量的方式表征词的语义信息。将获取的融合词性后的词向量输入BiLSTM网络中，得到包含前后文信息的文本序列的双向表达，通过CRF预测最终的标签序列。

关键词是科技论文的文献检索标识，是表达文献主题概念的自然语言词汇。科技论文的关键词是从其题名、层次标题和正文中选出来的，能反映论文主题概念的词或词组。

关键词是为了适应计算机检索的需要而提出来的，位置在摘要之后。早在1963年，美国ChemicalAbstracts从第58卷起，就开始采用电子计算机编制关键词索引，提供快速检索文献资料主题的途径。在科学技术信息迅猛发展的今天，全世界每天有几十万篇科技，学术界早已约定利用主题概念词去检索最新发表的论文。作者发表的论文不标注关键词或叙词，文献数据库就不会收录此类文章，读者就检索不到。关键词选得是否恰当，关系到该文被检索和该成果的利用率。

1关键词分类

关键词包括叙词和自由词。

1)叙词——指收入《汉语主题词表》、《MeSH》等词表中可用于标引文献主题概念的即经过规范化的词或词组。

2)自由词——反映该论文主题中新技术、新学科尚未被主题词表收录的新产生的名词术语或在叙词表中找不到的词。

1关键词分类

关键词包括叙词和自由词。

1)叙词——指收入《汉语主题词表》、《MeSH》等词表中可用于标引文献主题概念的即经过规范化的词或词组。

2)自由词——反映该论文主题中新技术、新学科尚未被主题词表收录的新产生的名词术语或在叙词表中找不到的词。

2关键词标引

为适应计算机自动检索的需要，GB/T3179—92规定，现代科技期刊都应在学术论文的摘要后面给出3～8个关键词(或叙词)。关键词的标引应按GB/T3860-1995《文献叙词标引规则》的原则和方法，参照各种词表和工具书选取；未被词表收录的新学科、新技术中的重要术语以及文章题名的人名、地名也可作为关键词标出(自由词)。

K-means算法在煤炭资源关键词搜索算法中的研究

K-means算法是比较典型的搜索引擎算法。K-means算法接受输入量k；然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。K-means算法的工作过程说明如下：首先从n个数据对象任意选择k个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数。k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。具体如下：输入：kdatan①选择k个初始中心点，例如c0data0…ck-1datak-1；②对于data0…。datan分别与c0…cn-1比较，假定与ci差值最少，就标记为i；③对于所有标记为i点，重新计算ci所有标记为i的dataj之和/标记为i的个数；④重复2、3直到所有ci值的变化小于给定阈值。

FCA算法在煤炭资源关键词搜索算法中的研究

在其理论中每个形式概念由两部分组成：外延（对象部分）和内涵（属性部分）。形式概念分析的两个重要的组成部分是形式背景和概念格。概念格的每一个节点是一个形式概念，由两部分组成：外延和内涵。外延，即概念所覆盖的所有对象的集合；内涵，则被认为这些对象所拥有的共同特征的集合。概念格作为形式概念分析核心的数据结构，本质上描述了对象和特征之间的联系，表明了概念之间泛化和例化之间的关系，其相应的Hasse图，则实现了对数据的可视化。在搜索引擎算法中，根据文本匹配的基本原理，研究基于形式概念分析（FCA）的文本匹配方法，主要是使用FCA的方法来表示网页，使网页的内容表达的更合理，根据现在的网页表示形式，制定与之适合的网页与用户输入的关键词的匹配操作，以便更加准确地计算网页与用户所输入的关键字的匹配程度，根据用户对检索到的网页感兴趣的程度来修改对网页的表示，以提高信息检索的质量。当煤炭技术人员和煤炭爱好者输入查询文本或者关键字的时候，根据网页与用户输入的关键词的匹配操作，便可以返回所要搜索的结果。

K-means算法与FCA算法的实验结果的比较

在实验过程中运行的机器是1台PC，配有CPUIntelPentium(双核)，内存为2GB，硬盘160G，运行的操作系统为WindowsXPSP3。算法实验结果如表1所示，算法时间对比如表2所示。通过上述实验中发现FCA算法程序运行时间明显比K-means算法运行时间长，但是准确率比K-means算法算法高一些；使用概念格提高了准确率，由于FCA算法较复杂，但是运行时间比较长；使用K-means算法，由于FCA算法较简单，所以节省了运行时间。

随着科学技术不断改革发展，信息技术促进了各个行业的融合发展，也给传统的出版行业带来了巨大的变革，与出版相关的新知识、新技术、新工具不断涌现。随着大数据中心及数字化知识服务平台建设，关键词在新兴交叉领域期刊中发挥着重要作用。然而，随着查询工具的更新，根据文章题目和内容也能查找到相关文献。关键词标引的规范化及标准化能够展现编审质量的优劣，以关键词为核心的论文变化已引起期刊、报纸、图书和情报界的关注。中国科技协会在关于建设世界一流科技期刊的调研活动中提出，关键词作为搜索文章的重要因子，在科技期刊数字化出版服务平台中起到重要作用，关键词应适应新要求以提高我国科技期刊的国际影响力和学术服务能力。但近年来，相关研究者对论文关键词的研究尚少，对关键词变化和数量的改变并无有效的反馈。因此，本文阐述新时代期刊关键词的改变，以期为关键词的应用提供参考。

一、关键词的意义与作用

1．关键词意义关键词最早是为了适应计算机检索需要而提出来的，它的产生伴随着计算机的发展。在网络化发达的今天，关键词应与时代共同进步，适应时代变化，更好地发挥其作用。1963年，美国化学文摘ChemicalAbstracts从第58卷起，开始采用电子计算机编制关键词索引，关键词由此成为提供快速检索文献资料的主要方式和主要途径。我国相关的标准规定也定义了学术论文中的关键词，即文献标引工作从报告、论文中选取的能够反映全文主题内容的单词或术语［1］。2．关键词作用第一，揭示论文的主旨内容。关键词是从论文中提取出的代表论文主旨内容和关键内容的词汇，其作为论文的代表词语，反映了论文研究的重点领域。关键词作为表述论文的中心内容以及有实质意义的代表词汇，直接、客观地揭示了论文主体的本质，反映了研究成果的创新内容和核心内容，揭示了科研内容之间的内在联系、学术研究的方向，为检索提供了依据［3］。关键词是学术论文中不可缺少的组成部分，是论文主要内容的浓缩，是作者精炼的概括论文主题的词汇，读者通过关键词可以迅速了解论文的主要内容［4］。关键词选用关系到该文被检索的概率和该成果的利用率。简洁明了的关键词能够突出论文成果的关键性内容，帮助读者排除冗余的内容。第二，关键词是文献重要的检索入口。学术期刊集群化发展是国际趋势。当前，我国科技期刊集群化尚处于初步发展阶段［5］。集群化期刊的发展促进了论文的集群化，在此过程中，关键词的检索作用格外重要。因此，作者与编辑都应注重关键词的选择，发挥关键词的重要作用。关键词是重要的检索入口、检索手段。当文献过多，不能一目了然时就要使用关键词进一步限定，将文献量限定在合适的阅读范围内［6］。关键词方便检索期刊编制索引和输入计算机检索系统，有利于完善学术期刊的编制年终索引，有利于读者了解论文的主题，还可以编制个人检索卡片［7］。当前，大数据、人工智能、区块链以及所有主流技术都离不开检索，关键词的作用愈加凸显。

二、关键词撰写存在的问题

在目前的论文写作中，仍有部分作者不明确论文关键词的选取原则、标引方法、呈现方式，甚至不懂得利用专业检索工具提高论文关键词标引的正确率和效率，导致论文内容不够鲜明，严重制约了论文的利用率和检索率［8］。为减少此类现象的发生，编辑应正确引导作者，作者也应提高自身的敏锐性和鉴别力，重视论文关键词的撰写。随着论文投稿规范化进程的深入，关键词作为展现论文内容的重要表征、关键信息，成为学术论文中必备的组成部分，关键词词频统计成为发现研究热点的重要方法［9］。通过研究关键词属性与论文引用之间的关系发现，关键词数目对论文影响力没有显著影响，但关键词的词序对于文献检索而言非常重要。因此，论文关键词中应体现创新点，使论文从诸多文献中脱颖而出，增加读者的辨识度［10］。目前，关键词撰写主要存在选用通用词、漏选关键词、标引深度不合适、排列顺序混乱等问题。通过统计科类期刊论文标引的关键词发现，关键词从本身论文题目中提取的较多，基本能揭示论文研究的主题内容和创新点，与文献内容相符率高，篇名所含的信息涵盖面广而具有检索能力［11］，但从侧面也反映出科技期刊关键词的标引原则和方式还有待改进。在科学迅猛发展的今天，全世界每天发表的学术论文达数十万篇，在这海量的论文中找到所需文献，关键词检索不失为一种快捷而高效的检索方法。新媒体时代，随着查询工具的更新，根据文章的题目和内容也能查到相关文献，关键词的作用日趋下降。但在近年来的实际应用中，关键词个数呈现持续增加趋势。科技论文与引文数据库（CSTPCD）2017年统计，全国科技核心期刊共53.6万篇，著录使用约144万个关键词，每篇论文平均使用7.6个关键词，超过80%的文章用的关键词为5—10个关键词。在关键词数量上升的同时，部分文章为提高检索概率，甚至增加文章字数而滥加关键词，使原本精准的关键词充斥了诸多烦冗的信息。

三、关键词的撰写方法

在英语学习过程中，我们对于关键词并不陌生，通常认为关键词是指名词、动词、形容词等一些实词，这些词语经常在句子中充当句子的主要成分，表达重要的信息。显然，这种定义主要是从语法角度进行考虑，而且常以句子为单位进行分析。其实，关键词还可以放在更宏观的篇章语境中进行理解，并且成为英语阅读理解活动的中心。

篇章语境下关键词的确定不应以词性为准，在有些情况下一些虚词同样也可以成为关键词。确定一个词是否“关键”最重要的是分析该词同它所在的句子、段落或篇章的关系，即它是不是集中体现该句、该段、该篇想要传达的信息，是否承载着足够的信息量，是否是新信息。是否是新信息这一点至关重要，关键词应该传达新信息，所以之前出现的关键词在以后的分析和理解中可能已经不再关键了，因为它已成为已知信息。不过，它可以为之后关键词的寻找确定方向。

在阅读理解过程中把握第一关键词也即全篇的关键词十分重要，通常该词就是篇章的中心，其他的关键词都是围绕它而展开的。那么怎样确定这第一关键词呢?一般情况下，应该到文章或材料的题目中去寻找，而且这样的关键词不一定只有一个。依此，阅读理解的过程就变成了一次探索发现之旅，从一个关键词到下一个关键词，然后联缀各词去带动整篇文章的理解。这样一来，学生在阅读活动一开始就十分明确自己应该关注的对象，围绕关键词展开阅读训练，一方面可以提高其阅读速度，另一方面也可以使其较为准确地把握文章的主要信息和逻辑结构。

一、文章题目中的关键词

文章题目本身就是对文章内容的高度概括，其中的关键词常为传达主要信息的实词，如名词、动词、形容词和分词等。同时，在确定关键词时还要注意文章题目所采取的结构和句式，抓住作者论述的重点。确定题目中的关键词目的在于：把握文章论述的对象、明确文章展开的角度、把握作者论述的态度、预测文章论述的内容、为阅读过程中查找其他关键词做好准备。

二、段落中的关键词

摘要：在高中的历史课堂教学中，“关键词”教学法得到广泛应用。这种教学方法能够帮助学生进行自主学习，提高教学效率。

关键词：高中历史；“关键词”教学法；应用

在高中历史课堂上，“关键词”教学法能够突出文章的重难点，有效地帮助学生理解和掌握文章的基本内容，同时帮助学生更好地进行文章阅读。下文就简单地分析“关键词”教学法在高中历史课堂中的应用。

一、历史“关键词”教法的基本概念

高中的历史学科中，教材中的内容比较复杂、文字量大，同时每一节课堂中学生需要掌握的知识点很多。加上课堂时间有限，老师虽然想对学生进行知识拓展，但是因为教学目标等各种限制，最后只能按照课本知识进行传统教学，无法调动学生的学习兴趣，降低了教学效率。在高中历史课堂教学中采用“关键词”教学法，能够有效地将历史教材中所涉及的历史概念、线索、阶段、时间、事件概括出来。通过几个关键词有效地将历史的脉络进行清晰解析，学生能够通过“关键词”很好地将重要的知识点进行标记，并进行记忆和学习，通过关键词有效地衔接和切入重要的历史事件和史实。在历史教学中，通过对文章的重难点内容进行关键词的发现、提取和运用，就是我们所说的“关键词”教学。

二、“关键词”教学法在高中历史课堂中的应用方法

护理论文的撰写过程中部分作者对关键词标引的基本知识，标引的基本原则及标引技巧未能了解和掌握。不仅影响文章的质量及影响力，更不利于期刊文献被数据库收录和检索，使被引用的频率降低，医学研究成果及水平达不到最大值？

笔者结合多年编辑工作，就护理论文中标引关键词存在的问题进行分析。

一、关键词标引的意义

关键词的定义是指能代表文献主要内容的具有实质性意义的语词。是未经规范化处理的自然语言，其优点是不必查阅词表。作者可根据文献内容自行标引。可及时反映学科领域出现的名词术语。作为学术论文，在正文前由作者标引若干个能体现该文主题内容的关键词（或词组）已成为一种学术规范。有助于读者了解该文的主旨，更有助于期刊籍此编制卷或年主题索引，同时，也为收录该刊的各种检索工具对文献进行主题标引提供参考。关键词一般是使用文稿中的词汇。作者所列关键词一般是从文章的标题（文摘）中抽取具有概括性的主题概念词，因为医学论文的题目”能够确切概括论文的性质和基本内容。表达论文的主题思想，具有信息性。但多年的工作中发现作者在关键词的标引中存在用词不规范等弊端。中华医学会系列杂志在稿约中规定。关键词的选取要以MesH表以及《中医药学主题词表》为准，但目前关键词标引中存在的问题较多。据报道占26％。大部分作者在关键词的选取上未以MesH表及（中医药学主题词表》为准。因此，在关键词的选择上最好参考MESH表或Medlime数据库选词。

二、关键词标引存在的问题

目前，医学期刊每篇文章关键词标引数量偏步。且绝大多数从文章的题目中选取，不能全面揭示文章的内容，标引词过少直接影响期刊文献被数据库收录，并影响其在数据库中被检索利用的频次，从而影响到期刊的影响因子、总被引频次等。我国科技期刊在国内外科学界的显示度和被引频次低徽。与关键词选取基本知识、技巧、规范化及标引质量不高有直接的关系。主要表现在以下几方面。

品读六中全会公报关键词

品读党的十六届六中全会公报,发现有不少与数字有关的关键词。把这些关键词用数字串连起来，既便于学习、把握重点，又便于记忆。

与“一”有关的关键词：

一个中心：以经济建设为中心；

一个地位：把构建社会主义和谐社会摆在更加突出的地位；

一个重点：以解决人民群众最关心、最直接、最现实的利益问题为重点；