这个主要是通过无监督从文本中提出一些concept的东西，我感觉很妙

------------------------------------------------------------

过程就不细说了，首先是通过LDA提取出一些主题，还有一些词在这个主题下的概率 就是传统LDA的那一套

然后我们可以对词语进行排序，当然是通过他们的TF-ITF，这个T是topic的意思，也就是把原来的document换成了topic，因为这里是为了要对topic进行建模。

然后有了这些指标  我们再进行下一步 就是提取一些关键的词

This step is followed by a sentence extraction pro- cess in which all the sentences which contain the topic words which have high tf-itf weight are extracted.

也就是找出那些含有这些高频tf-itf的词语

最后，通过一个pos工具 找出那些 Noun + Noun, Noun +Adjective and (Adjective / Noun) + Noun，也就是相连的词语，注意这些词语是从那些包含主题词的句子中抽的，不一定是主题词，只不过是有这种语法形式。

这样就完成了概念抽取的过程

然后是概念分类，这里用了一个结构化的方法，就是看一个概念和另一个概念出现的频次的比例