PageRank原理及其文本摘要提取中的应用

PageRank原理：

• 被更多网页链接的网页排名应该靠前。
• 被排名靠前的网页链接的网页重要性也应该提升。
• 一个网页的排名等于所有链接到该网页的网页的加权排名之和。
• 

映射到文本领域：

• 网页内容
• 能和更多句子中的词相似的句子重要性大。

令W为转移矩阵，由句子之间相似度计算得来。

初始状态为均匀分布。

直到p收敛，得到pagerank分数。

D = [s1, s2, s3 …, sN] 

 

Words_list = [[w1, w2, …, sM], ...]  

 

Words_set = list(set(Vocab(s1) + Vocab(s2)))  size = Q 

 

Sentence Similarity = (words both in s1 and s2) / [log(len1) + log(len2)] 

 

 

W = similarity_matrix of Q * Q 

 

P0 = [1/Q, 1/Q, ...] 

 

While Pi – Pi-1 > e: 

Pi = Pi-1 * W 

... 

Until converge 

 

 

 

 

Get pagerank score of each sentence in D 

 

实现：python 

from textrank4zh import TextRank4Keyword, TextRank4Sentence