从中文文本中提取摘要和关键词
FastTextRank的Python项目详细描述
#FastTextRank
从中文文本中提取摘要和关键字，使用*优化的迭代算法*提高运行**速度**，并*有选择地使用词向量*提高**准确性**。
PageRank
PageRank是来自Google的网站页面排名算法。<；br/>；
PageRank最初用于计算网页。整个www可视为一个有向图，而节点是一个网页。<；br/>；
此算法可以通过连接计算所有节点的重要性。<；br/>；
*我的算法更改了迭代算法，使算法更快，平均每篇文章花费10毫秒，而textrank4zh在我的数据上花费80毫秒。<；br/>；
*我的算法也使用word2vec使抽象更精确，但运行算法需要更多时间。在相同的传输数据上使用word2vec每篇文章需要花费40毫秒。
把文章切成句子
2。计算句子之间的相似度：
*使用词向量的余弦相似度
*使用两个句子的常用词
3。根据句子的相似性建立一个图表。通过改进的迭代算法计算每个句子的重要性
5。获取要使用的停止字文件的摘要。如果没有，你将使用这个包的停止词。BuyLo.W2V:BooLeaIn，缺省false
如果必须是，则必须输入传递的DATIOPATH参数。把Artile切成单词
2。计算单词之间的相似度：
如果两个单词都在窗口距离内，则这两个单词的图形边加1.0。窗口由用户设置。
3.根据单词‘similarity
4构建一个图表。通过改进的迭代算法计算每个单词的重要性
5。获取关键字
api
*use_stop word=boolean，default true
*stop_words_file=str，default none.
要使用的stop words文件。如果它不是，你将使用这个包的停止词。< BR/> *Max ITER =最大迭代回合
*窗口＝int，默认值2 BR/>窗口以确定两个词是否相关。
从中文文本中提取摘要和关键字，使用*优化的迭代算法*提高运行**速度**，并*有选择地使用词向量*提高**准确性**。
PageRank
PageRank是来自Google的网站页面排名算法。<；br/>；
PageRank最初用于计算网页。整个www可视为一个有向图，而节点是一个网页。<；br/>；
此算法可以通过连接计算所有节点的重要性。<；br/>；
*我的算法更改了迭代算法，使算法更快，平均每篇文章花费10毫秒，而textrank4zh在我的数据上花费80毫秒。<；br/>；
*我的算法也使用word2vec使抽象更精确，但运行算法需要更多时间。在相同的传输数据上使用word2vec每篇文章需要花费40毫秒。
把文章切成句子
2。计算句子之间的相似度：
*使用词向量的余弦相似度
*使用两个句子的常用词
3。根据句子的相似性建立一个图表。通过改进的迭代算法计算每个句子的重要性
5。获取要使用的停止字文件的摘要。如果没有，你将使用这个包的停止词。BuyLo.W2V:BooLeaIn，缺省false
如果必须是，则必须输入传递的DATIOPATH参数。把Artile切成单词
2。计算单词之间的相似度：
如果两个单词都在窗口距离内，则这两个单词的图形边加1.0。窗口由用户设置。
3.根据单词‘similarity
4构建一个图表。通过改进的迭代算法计算每个单词的重要性
5。获取关键字
api
*use_stop word=boolean，default true
*stop_words_file=str，default none.
要使用的stop words文件。如果它不是，你将使用这个包的停止词。< BR/> *Max ITER =最大迭代回合
*窗口＝int，默认值2 BR/>窗口以确定两个词是否相关。
欢迎加入QQ群-->： 979659372
