hankcs/TextRank

TextRank

TextRank算法提取关键词与自动摘要的Java实现

注意

TextRank已经集成到HanLP中，本项目不再维护。

TextRankKeyword提取关键词

• 调用方法

public static void main(String[] args)
{
    String content = "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。";
    System.out.println(new TextRankKeyword().getKeyword("", content));
}

• 算法详解 TextRank是在Google的PageRank算法启发下，针对文本里的句子设计的权重算法，目标是自动摘要。 详见《TextRank算法提取关键词的Java实现》
• 关于分词 分词不是TextRank关注的重点，项目中的警告是分词库发出，不影响功能。

TextRankSummary自动摘要

• 调用方法

 public static void main(String[] args)
 {
    String document = "算法可大致分为基本算法、数据结构的算法、数论算法、计算几何的算法、图的算法、动态规划以及数值分析、加密算法、排序算法、检索算法、随机化算法、并行算法、厄米变形模型、随机森林算法。\n" +
                "算法可以宽泛的分为三类，\n" +
                "一，有限的确定性算法，这类算法在有限的一段时间内终止。他们可能要花很长时间来执行指定的任务，但仍将在一定的时间内终止。这类算法得出的结果常取决于输入值。\n" +
                "二，有限的非确定算法，这类算法在有限的时间内终止。然而，对于一个（或一些）给定的数值，算法的结果并不是唯一的或确定的。\n" +
                "三，无限的算法，是那些由于没有定义终止定义条件，或定义的条件无法由输入的数据满足而不终止运行的算法。通常，无限算法的产生是由于未能确定的定义终止条件。";
    System.out.println(TextRankSummary.getTopSentenceList(document, 3));
 }

• 算法详解 通过句子的相关程度（BM25相关度）决定票的权重，迭代投票得出最终权重。 详见《TextRank算法自动摘要的Java实现》

TODO

• 自然语言处理任重道远，本项目只是对TextRank的一份简明实现，效果和性能请自行评估。

• 我写了一系列入门笔记，欢迎NLP领域的朋友前来交流、指导我的学习。

• 事实上，我正在开发一个完备的汉语处理包，目前能够提供分词、词性标注、命名实体识别、关键字提取、短语提取、自动摘要、自动推荐等功能，未来可能开源并逐步实现依存关系、句法树等功能，敬请期待。