侯体宗的博客
  • 首页
  • Hyperf版
  • beego仿版
  • 人生(杂谈)
  • 技术
  • 关于我
  • 更多分类
    • 文件下载
    • 文字修仙
    • 中国象棋ai
    • 群聊
    • 九宫格抽奖
    • 拼图
    • 消消乐
    • 相册

python实现textrank关键词提取

Python  /  管理员 发布于 7年前   309

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。


  • 上一条:
    python实现搜索文本文件内容脚本
    下一条:
    python实现自主查询实时天气
  • 昵称:

    邮箱:

    0条评论 (评论内容有缓存机制,请悉知!)
    最新最热
    • 分类目录
    • 人生(杂谈)
    • 技术
    • linux
    • Java
    • php
    • 框架(架构)
    • 前端
    • ThinkPHP
    • 数据库
    • 微信(小程序)
    • Laravel
    • Redis
    • Docker
    • Go
    • swoole
    • Windows
    • Python
    • 苹果(mac/ios)
    • 相关文章
    • 在python语言中Flask框架的学习及简单功能示例(0个评论)
    • 在Python语言中实现GUI全屏倒计时代码示例(0个评论)
    • Python + zipfile库实现zip文件解压自动化脚本示例(0个评论)
    • python爬虫BeautifulSoup快速抓取网站图片(1个评论)
    • vscode 配置 python3开发环境的方法(0个评论)
    • 近期文章
    • 在windows10中升级go版本至1.24后LiteIDE的Ctrl+左击无法跳转问题解决方案(0个评论)
    • 智能合约Solidity学习CryptoZombie第四课:僵尸作战系统(0个评论)
    • 智能合约Solidity学习CryptoZombie第三课:组建僵尸军队(高级Solidity理论)(0个评论)
    • 智能合约Solidity学习CryptoZombie第二课:让你的僵尸猎食(0个评论)
    • 智能合约Solidity学习CryptoZombie第一课:生成一只你的僵尸(0个评论)
    • 在go中实现一个常用的先进先出的缓存淘汰算法示例代码(0个评论)
    • 在go+gin中使用"github.com/skip2/go-qrcode"实现url转二维码功能(0个评论)
    • 在go语言中使用api.geonames.org接口实现根据国际邮政编码获取地址信息功能(1个评论)
    • 在go语言中使用github.com/signintech/gopdf实现生成pdf分页文件功能(0个评论)
    • gmail发邮件报错:534 5.7.9 Application-specific password required...解决方案(0个评论)
    • 近期评论
    • 122 在

      学历:一种延缓就业设计,生活需求下的权衡之选中评论 工作几年后,报名考研了,到现在还没认真学习备考,迷茫中。作为一名北漂互联网打工人..
    • 123 在

      Clash for Windows作者删库跑路了,github已404中评论 按理说只要你在国内,所有的流量进出都在监控范围内,不管你怎么隐藏也没用,想搞你分..
    • 原梓番博客 在

      在Laravel框架中使用模型Model分表最简单的方法中评论 好久好久都没看友情链接申请了,今天刚看,已经添加。..
    • 博主 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 @1111老铁这个不行了,可以看看近期评论的其他文章..
    • 1111 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 网站不能打开,博主百忙中能否发个APP下载链接,佛跳墙或极光..
    • 2016-10
    • 2016-11
    • 2018-04
    • 2020-03
    • 2020-04
    • 2020-05
    • 2020-06
    • 2022-01
    • 2023-07
    • 2023-10
    Top

    Copyright·© 2019 侯体宗版权所有· 粤ICP备20027696号 PHP交流群

    侯体宗的博客