用python写了一个简单版本的textrank,实现提取关键词的功能。
import numpy as np import jieba import jieba.posseg as pseg class TextRank(object): def __init__(self, sentence, window, alpha, iternum): self.sentence = sentence self.window = window self.alpha = alpha self.edge_dict = {} #记录节点的边连接字典 self.iternum = iternum#迭代次数 #对句子进行分词 def cutSentence(self): jieba.load_userdict('user_dict.txt') tag_filter = ['a','d','n','v'] seg_result = pseg.cut(self.sentence) self.word_list = [s.word for s in seg_result if s.flag in tag_filter] print(self.word_list) #根据窗口,构建每个节点的相邻节点,返回边的集合 def createNodes(self): tmp_list = [] word_list_len = len(self.word_list) for index, word in enumerate(self.word_list): if word not in self.edge_dict.keys(): tmp_list.append(word) tmp_set = set() left = index - self.window + 1#窗口左边界 right = index + self.window#窗口右边界 if left < 0: left = 0 if right >= word_list_len: right = word_list_len for i in range(left, right): if i == index: continue tmp_set.add(self.word_list[i]) self.edge_dict[word] = tmp_set #根据边的相连关系,构建矩阵 def createMatrix(self): self.matrix = np.zeros([len(set(self.word_list)), len(set(self.word_list))]) self.word_index = {}#记录词的index self.index_dict = {}#记录节点index对应的词 for i, v in enumerate(set(self.word_list)): self.word_index[v] = i self.index_dict[i] = v for key in self.edge_dict.keys(): for w in self.edge_dict[key]: self.matrix[self.word_index[key]][self.word_index[w]] = 1 self.matrix[self.word_index[w]][self.word_index[key]] = 1 #归一化 for j in range(self.matrix.shape[1]): sum = 0 for i in range(self.matrix.shape[0]): sum += self.matrix[i][j] for i in range(self.matrix.shape[0]): self.matrix[i][j] /= sum #根据textrank公式计算权重 def calPR(self): self.PR = np.ones([len(set(self.word_list)), 1]) for i in range(self.iternum): self.PR = (1 - self.alpha) + self.alpha * np.dot(self.matrix, self.PR) #输出词和相应的权重 def printResult(self): word_pr = {} for i in range(len(self.PR)): word_pr[self.index_dict[i]] = self.PR[i][0] res = sorted(word_pr.items(), key = lambda x : x[1], reverse=True) print(res) if __name__ == '__main__': s = '程序员(英文Programmer)是从事程序开发、维护的专业人员。一般将程序员分为程序设计人员和程序编码人员,但两者的界限并不非常清楚,特别是在中国。软件从业人员分为初级程序员、高级程序员、系统分析员和项目经理四大类。' tr = TextRank(s, 3, 0.85, 700) tr.cutSentence() tr.createNodes() tr.createMatrix() tr.calPR() tr.printResult()
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
暂无“python实现textrank关键词提取”评论...
稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!
昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?
更新动态
2024年11月26日
2024年11月26日
- 凤飞飞《我们的主题曲》飞跃制作[正版原抓WAV+CUE]
- 刘嘉亮《亮情歌2》[WAV+CUE][1G]
- 红馆40·谭咏麟《歌者恋歌浓情30年演唱会》3CD[低速原抓WAV+CUE][1.8G]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[320K/MP3][193.25MB]
- 【轻音乐】曼托凡尼乐团《精选辑》2CD.1998[FLAC+CUE整轨]
- 邝美云《心中有爱》1989年香港DMIJP版1MTO东芝首版[WAV+CUE]
- 群星《情叹-发烧女声DSD》天籁女声发烧碟[WAV+CUE]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[FLAC/分轨][748.03MB]
- 理想混蛋《Origin Sessions》[320K/MP3][37.47MB]
- 公馆青少年《我其实一点都不酷》[320K/MP3][78.78MB]
- 群星《情叹-发烧男声DSD》最值得珍藏的完美男声[WAV+CUE]
- 群星《国韵飘香·贵妃醉酒HQCD黑胶王》2CD[WAV]
- 卫兰《DAUGHTER》【低速原抓WAV+CUE】
- 公馆青少年《我其实一点都不酷》[FLAC/分轨][398.22MB]
- ZWEI《迟暮的花 (Explicit)》[320K/MP3][57.16MB]