本节通过一个实例讲解如何使用Word Embedding实现中文自动摘要,这里使用Gensim中的word2vec模型来生成Word Embedding.
1.7.1 背景说明
使用Word Embedding方法提取关键字,主要步骤如下:
1)导入一个中文语料库
2)基于这个中文语料库,搭建word2vec模型,训练得到各单词词向量
3)导入一个文档,包括各主题及其概要描述信息,预处理该文档,并转换为词向量
4)用聚类的方法,生成各主题的若干个关键词
1.7.2 预处理中文语料库
利用jieba分词,过滤停用词,实现代码如下: