本项目独立开发面向短文、新闻文本的关键词自动提取工具，采用LSTM序列标注方案解决传统TF-IDF关键词歧义、语义理解不足的痛点。使用Python、PyTorch搭建单层LSTM序列标注模型，自行完成小规模新闻文本数据集标注，划分BIO标注体系区分关键词实体与普通词汇；数据预处理阶段完成文本分词、词向量映射、序列长度对齐，适配长短不一的输入文本。训练过程采用交叉熵损失函数，搭配学习率衰减策略优化收敛速度，模型关键词识别精确率达到86%。项目封装完整批处理脚本，支持单次单文本提取、多文档批量解析两种模式，输出结构化关键词列表，附带完整使用文档、数据集处理代码与可视化提取样例。可适配资讯内容标签生成、文档摘要预处理、文本检索关键词提取等外包需求，代码模块化程度高，便于按需修改迭代。