关键词提取_textbank

脱离语料库，仅对单篇文档提取

(1) pageRank算法：有向无权，平均分配贡献度

基本思路：

链接数量：一个网页越被其他的网页链接，说明这个网页越重要

链接质量：一个网页被一个越高权值的网页链接，表明这个网页越重要

思路：将每个网页初始得分为1

通过多次迭代对每个网页进行收敛

若收敛，则收敛时的得分为最终得分，否则设置最大迭代次数

公式：

In(Vi)为Vi的入链集合，Out（Vj）为Vj的出链集合，|Out（Vj）|为出链数量

每个网页将自身的分数平均贡献给每个出链，Vj的贡献度：S(Vj) /  |Out（Vj）|

Vi 的得分：S(Vi)= ∑【S(Vj) /  |Out（Vj）|】

Vi 的得分：S(Vi)= (1-d)+d*∑【S(Vj) /  |Out（Vj）|】

(2) textRank算法：有向有权，通过权重分配贡献度

思路：权重--计算两个句子之间的相似度--距离，夹角余弦

Vi 的得分：WS(Vi)= (1-d)+d*∑【Wji / ∑ Wjk *WS(Vj)】

注意：当textRank应用到关键词提取时，与自动摘要有两点不同：

词与词的关联没有权重

每个词不是与文档中的所有词链接

第一点不同：WS(Vi)=(1-d)+d*∑【S(Vj) /  |Out（Vj）|】

第二点不同：窗口：每个窗口内的所有词之间都有链接关系