本文介绍了基于TextRank的关键词提取算法，该算法源于PageRank，将词作为节点，通过共现关系建立链接。主要步骤包括文本分割、分词、过滤停用词、构建关键词图、迭代计算权重及生成最终关键词。
前沿
TextRank是一种文本排序算法，是基于著名的网页排序算法PageRank改动而来。在介绍TextRank前，我们先简单介绍下什么是PageRank。另外TextRank不仅能进行关键词提取，也能做自动文摘，这边文章以关键词提取为主，自动文摘部分后续补充。
一、PageRank原理
PageRank是用来计算网页重要性的，将每一个网页看作一个节点，将网页之间的链接看作是节点之间的有向边，网页的重要性取决于链接到它的网页数量以及这些网页的重要性。衡量网页重要性的公式说明如下：
二、TextRank原理
进行关键词提取时，TextRank算法思想和PageRank算法类似，不同的是，TextRank中时以词为节点，以共现关系建立起节点之间的链接，需要强调的是，PageRank中是有向边，而TextRank中是无向边，或者说是双向边。
什么是共现关系呢？将文本进行分词，去除停用词或词性筛选等之后，设定窗口长度为K，即最多只
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
