本文介绍了TextRank算法，该算法源于Google的PageRank，用于从文本中提取关键词。文章详细阐述了PageRank的基本思想，即通过网页间的链接计算重要性。接着，将PageRank应用于文本处理，形成TextRank算法，构建基于句子的带权无向图，通过迭代计算句子的相似度来提取关键词。示例展示了如何从文本中应用TextRank算法提取关键词。
TextRank算法是由 Google 搜索的核心网页排序算法 PageRank 改编而来，利用图模型来提取文章中的关键词，首先介绍一下 PageRank 排序算法
一、PageRank 算法
PageRank通过网页之间的超链接来确定页面的重要性，它将整个互联网可以看作是一张有向图，网页是图中的节点，网页之间的链接就是图中的边。根据重要性传递的思想，如果一个大型网站A含有一个超链接指向了网页B，那么网页B的重要性排名会根据A的重要性来提升。
构造完图后，使用下面的公式来计算网页i的重要性（PR值）：
-
其中V表示网页，S表示每个网页的score，S越大表示网页的重要程度越高。d是阻尼系数，一般取0.85
-
In(V) 表示存在指向网页 i 的链接的网页集合。Out(V)表示网页 j 中的链接指向的网页的集合；|Out(V)| 是集合中元素的个数
-
在评价网页的重要性时，根据所有指向该网页 i 的网页 j 的重要性以及网页 j 中的链接指向的网页的数目。比如：一篇文章被许多权重高的网页指向ÿ
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
