keybert:基于bert模型的关键词抽取工具

本文介绍如何利用KeyBERT预训练模型在没有额外训练的情况下,通过CountVectorizer或MMR/Max_Sum方法抽取关键词。关注点在于英文空格分词和候选词选择策略,以及保证关键词间多样性的重要性。
摘要由CSDN通过智能技术生成

github:https://github.com/MaartenGr/KeyBERT

guides:https://maartengr.github.io/KeyBERT/guides/quickstart.html

使用向量计算抽取关键词,只需要预训练模型,不需要额外模型训练。

流程:
1.没有提供分词功能,英文是空格分词,中文输入需要分完词输入。
2.选择候选词:默认使用CountVectorizer进行候选词选择。
3.  model:默认方式,候选词向量和句向量的距离排序。
    mmr:最大边际距离方法,保证关键词之间的多样性。考虑词之间的相似性。
    max_sum:候选词之间相似和最小的组合。

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值