TextRank代码框架梳理
2018-04-09 18:17:00 1 举报textrank 代码分析（未完成）
作者其他创作
大纲/内容
Textrank 代码框架梳理
class Segmentation 类
__init__：
+ segment（对一段文本先进行分句然后进行分词，返回list类型的分句结果)
绿色边框和线条代表和句子相关的操作
class AttrDict类
__init__：用于key-v存储及查找（顶点/权重/分数等等）
util.py
Segmentation.py
class SentenceSegmentation 类
+ segment（对一段文本进行分句，返回list类型的分句结果)
sort_sentences 接口
将句子按照关键程度从大到小排序
sort_words 接口
将单词按关键程度从大到小排序
class WordSegmentation类
__init__：打开停用词文件，并保存停用词
+ segment（对一段文本进行分词，返回list类型的分词结果)- segment_sentences(将列表sequences中的每个元素/句子转换为由单词构成的列表)
API层
TextRank4Keyword.py
util.py：算法实现层，提供构建图结构、句子相似度计算、排序打分等功能
TextRank4Sentence.py：API接口层，对外提供摘要生成功能
stopwords.txt：外部文件，为分词过滤提供提供停词依据
Segmentation.py：中间层，提供分句和分词等中间功能
中间层
class TextRank4Sentence类
__init__：初始化关键句提取相关变量和函数
+ analyze（分析文本，指定相似度函数)- get_key_sentences(获取最重要的6（默认）个长度大于等于6（默认）的句子用来生成摘要。)
红色边框和线条代表和句子相关的操作
combine 接口
构造在window下的单词组合，用来构造单词之间的边
get_similarity 接口
用于计算两个句子相似度的函数
算法实现层
TextRank4Sentence.py
文件说明
TextRank4Keyword.py：API接口层，对外提供关键词提取功能
class TextRank4Keyword类
__init__：初始化关键词提取相关变量和函数
+ analyze（分析文本，window窗口默认为2)- get_keywords(获取最重要的num个长度大于等于6（默认）的关键词)- get_keyphrases（获取 12（默认） 个关键词构造的可能出现的短语，要求这个短语在原文本中至少出现的次数为2次（默认））
收藏
0 条评论
下一页
