利用Python实现摘要自动提取，完美瘦身只需一行代码_python 提取摘要

最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~

给大家准备的学习资料包括但不限于：

Python 环境、pycharm编辑器/永久激活/翻译插件

python 零基础视频教程

Python 界面开发实战教程

Python 爬虫实战教程

Python 数据分析实战教程

python 游戏开发实战教程

Python 电子书100本

Python 学习路线规划

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

https://github.com/letiantian/TextRank4ZH , 实现了不错的文本处理效果。

效果预览

最近，Tushare Pro 发布了近10年的CCTV新闻联播数据，对数据进行了清洗和规范。

但是，每天的新闻联播内容共有上万字，完全的读下来也是比较费劲。如果使用自动摘要技术把这上万字的内容浓缩成10个句子，阅读负担一下子就减轻了不少。而自动摘要正是 TextRank 的用武之地。

在实现功能之前，我们先来看看从新闻中提取的摘要效果。

得益于Tushare提供的新闻联播规范文本，TextRank自动摘要效果看起来非常不错。

为什么TextRank能有这么好的效果呢？这主要是因为图排序模型是基于全局信息来计算每个顶点的重要性，而不是仅仅使用局部信息。下面简单介绍一下TextRank应用于自动摘要的基本原理。

基本原理

前面已经说到，使用TextRank分析文本，首先需要在文本上构建一张图。

对于文本自动摘要任务，我们使用句子作为图的顶点，句子与句子之间的相互关系作为图的边。这里不能简单的用句子在文本中的前后关系来构建图的边，我们需要评估句子与句子之间的相似度，每个句子仅与它最相似的几个句子之间构成连接，并使用相似度作为边的权重。

事实上，两个句子相似，可以认为这两个句子之间存在一种“推荐”关系，即：读者读完这个句子后，这个句子推荐读者去读跟它相似的句子。

评估两个句子相似度的方法有很多，比如：余弦相似度、编辑距离等，在TextRank算法中使用的是最基本方法，通过计算两个句子中相同词语的数量来计算相似度，此外，可以加语法过滤器对词语进行过滤。

确定了图的顶点和边是什么，以及边的权重，一张加权图（weighted graph）就已经得到了，这个加权图的形状如图1所示。接下来就可以使用PageRank去迭代计算每个顶点（句子）的重要性。最后，将最重要的N个句子作为整个文本的摘要，这就是TextRank的自动摘要结果。

代码实现

由于textrank4zh已经实现了TextRank的功能，我们拿过来直接使用就可以，而且用法极其简单。

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

ac0)**

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！