一天一个NLP算法

TextRank算法

TextRank算法基本思想来源于PageRank算法，首先了解一下PageRank算法。

PageRank算法是一种用于网页排名的算法，其基本思想有两条：

1.链接数量。一个网页被越多的其他网页链接，说明这个网页越重要。

2.链接质量。一个网页被一个越高权值得网页链接，也能表明这个网页越重要。

个人理解：该算法的主要思想就是每个网页都有自己的权值得分，然后该得分影响该网页所链接的其他网页。在算法开始时，每个网页的初始得分都是1，然后经过多次迭代对每个网页的分数进行收敛。若不能收敛，也可以通过设定最大迭代次数来对计算过程进行限制。

此外，由于存在孤立的网页，为了防止孤立的网页得分为0而不被访问。在公式中加入了阻尼系数（公式就不列出来了）。

以上就是PageRank算法基本理论的简单理解，也是TextRank算法的基础理论。注意，PageRank是有向无权图，而TextRank进行自动摘要则需要有向有权图。在考虑到链接句（对一篇文章进行自动摘要时，默认每个语句和其他所有句子都是有链接关系，也就是一个有向完全图）的重要性之外，还需要考虑句子之间的相似度。

 

 

注：本文为个人学习笔记以及理解，内容参考于《python自然语言处理实战：核心技术与算法》