TextRank:Gensim使用的文本摘要算法

2024-08-30 22:32

本文主要是介绍TextRank:Gensim使用的文本摘要算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Gensim是Python的一个无监督主题模型与自然语言处理的开源库,它有许多高效易用的自然语言处理函数。其中有一个文本摘要函数summarize,可以从大量的文本中提取重要的信息。下面简要介绍一下Gensim中的summarize函数的算法。

文章目录

    • 文本摘要与TextRank
    • PageRank
    • TextRank
    • Gensim中的TextRank
    • 具体摘要算法

文本摘要与TextRank

文本摘要主要分为两种类型,抽取式(Extraction)和摘要式(Abstraction)。其中抽取式是从原文中抽取关键词语、句子或段落,再排列起来形成摘要;摘要式则是通过对原文进行语义分析,再使用自然语言生成技术生成摘要。抽取式摘要不需要大量语料进行训练,模型简洁高效。在抽取式摘要中,以句子为单位的抽取式摘要方法成为在内容的丰富性及语法的正确性上权衡之后获得很多很多模型青睐的算法,本文介绍的TextRank也是其中之一。

TextRank是基于图模型的一种抽取式摘要方法,TextRank不需要很深的语言学知识,也不需要特定领域或语言上的标签,具有很强的泛用性。这种特性使得TextRank在结构性强的文本中有不错的效果,比如新闻稿,会议记录等。TextRank的思路与搜索引擎中常用的PageRank相似,所以先简单介绍一下PageRank。

PageRank

PageRank是一个计算网页的重要程度的算法。借鉴学术界通过论文间的引用来评判论文重要程度的思想,PageRank使用了网页之间的链接来判断网页的重要程度。PageRank有两个重要的假设:

  1. 数量假设:一个网页被其他网页链接到的次数越多,则这个网页越重要。
  2. 质量假设:一个网页越重要,被其链接到的网页就越重要。

网页之间的链接关系用一个图 G ( V , E ) G(V, E) G(V,E)来表示最为直接,其中 V V V是顶点, E E E是边。在PageRank的模型中,每个网页是图 G G G中的一个顶点 v i v_i vi,若 v i v_i vi有链接指向到 v j v_j vj,则 v i v_i vi v j v_j vj之间存在一条边。衡量网页 v i v_i vi的重要性的 P R PR PR值定义为:

P R ( v i ) = ( 1 − d ) + d ∑ v j ∈ I n ( v i ) 1 ∣ O u t ( v j ) ∣ P R ( v j ) ,   i = 1 , 2 , . . . , n PR(v_i) = (1 - d) + d \sum_{v_j \in In(v_i)} \frac{1}{|Out(v_j)|}PR(v_j),\ i=1, 2, ..., n PR(vi)=(1d)+dvjIn(vi)Out(vj)1PR(vj), i=1,2,...,n

其中 I n ( v i ) In(v_i) In(vi)是指链接到网页 v i v_i vi的网页的集合, O u t ( v j ) Out(v_j) Out(vj)是网页 v j v_j vj链接出去的网页的集合, d d d是阻尼系数(damping factor),一般取值为 0.85 0.85 0.85 n n n是网页的总数。阻尼系数可以这么理解:用户到达网页 v i v_i vi后有概率 d d d会在网页上的链接中等概率地选择一个进行跳转,每个链接被选中的概率为 1 ∣ O u t ( v i ) ∣ \frac{1}{|Out(v_i)|} Out(vi)1,还有概率 1 −

这篇关于TextRank:Gensim使用的文本摘要算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1122118

相关文章

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》:本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定

Pandas使用SQLite3实战

《Pandas使用SQLite3实战》本文主要介绍了Pandas使用SQLite3实战,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学... 目录1 环境准备2 从 SQLite3VlfrWQzgt 读取数据到 DataFrame基础用法:读

JSON Web Token在登陆中的使用过程

《JSONWebToken在登陆中的使用过程》:本文主要介绍JSONWebToken在登陆中的使用过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录JWT 介绍微服务架构中的 JWT 使用结合微服务网关的 JWT 验证1. 用户登录,生成 JWT2. 自定义过滤

Java中StopWatch的使用示例详解

《Java中StopWatch的使用示例详解》stopWatch是org.springframework.util包下的一个工具类,使用它可直观的输出代码执行耗时,以及执行时间百分比,这篇文章主要介绍... 目录stopWatch 是org.springframework.util 包下的一个工具类,使用它

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3

springboot security使用jwt认证方式

《springbootsecurity使用jwt认证方式》:本文主要介绍springbootsecurity使用jwt认证方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地... 目录前言代码示例依赖定义mapper定义用户信息的实体beansecurity相关的类提供登录接口测试提供一

go中空接口的具体使用

《go中空接口的具体使用》空接口是一种特殊的接口类型,它不包含任何方法,本文主要介绍了go中空接口的具体使用,具有一定的参考价值,感兴趣的可以了解一下... 目录接口-空接口1. 什么是空接口?2. 如何使用空接口?第一,第二,第三,3. 空接口几个要注意的坑坑1:坑2:坑3:接口-空接口1. 什么是空接

springboot security快速使用示例详解

《springbootsecurity快速使用示例详解》:本文主要介绍springbootsecurity快速使用示例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝... 目录创www.chinasem.cn建spring boot项目生成脚手架配置依赖接口示例代码项目结构启用s

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

java中使用POI生成Excel并导出过程

《java中使用POI生成Excel并导出过程》:本文主要介绍java中使用POI生成Excel并导出过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录需求说明及实现方式需求完成通用代码版本1版本2结果展示type参数为atype参数为b总结注:本文章中代码均为