TextRank

TextRank是一种求自动摘要（句子级的pagerank）和关键词（词语级的pagerank）的主要方法之一。下面我就来说说textrank的来源以及算法

TextRank来源于Pagerank, Pagerank是一种网页排名在1998年由谷歌larry Page它的名字命名由来。主要思想就是有权重网页所链接到的网页权重越高，以这样的方式判别网页的重要程度防止垃圾网站作弊行为。确切来说：如果某个网站A有指向B的超链接，说明A网站认为B网站是有价值的，于是相应的我们可以给B来提升权重，但是就像现实中，一般人的意见和专家的意见的权重是不一样的，所以如果网站A的权重比较高，那么就可以贡献更多的权重给B，反之则贡献更少的权重，然后算法经过一轮轮的迭代，所有结点的权重会收敛，就得到了最终的权重了。Pageranke公式如下：

下面一个例子来自百度百科：假设一个由4个页面组成的小团体：A，B，C和D。如果所有页面都链向A，那么A的PR（PageRank）值将是B，C及D的Pagerank总和。

继续假设B也有链接到C，并且D也有链接到包括A的3个页面。一个页面不能投票2次。所以B给每个页面半票。以同样的逻辑，D投出的票只有三分之一算到了A的PageRank上。

换句话说，根据链出总数平分一个页面的PR值。

最后，所有这些被换算为一个百分比再乘上一个系数。由于“没有向外链接的页面”传递出去的PageRank会是0，所以，Google通过数学系统给了每个页面一个最小值：

说明：在Sergey Brin和Lawrence Page的1998年原文中给每一个页面设定的最小值是1-d，而不是这里的(1-d)/N。 所以一个页面的PageRank是由其他页面的PageRank计算得到。Google不断的重复计算每个页面的PageRank。如果给每个页面一个随机PageRank值（非0），那么经过不断的重复计算，这些页面的PR值会趋向于稳定，也就是收敛的状态。这就是搜索引擎使用它的原因。

    说明完pagerank,同样在计算关键词或者关键句（自动摘要）也是一个原理，下面重点说关键词的提取。最初应用到text文本上的是2004年来自北德克萨斯州大学的论文TextRank: Bringing Order into Texts。他在Pagerank 上提出了修订公式，这里的投票窗口N=1，即只给左右相邻的词汇投票。同时，可以挑选出名词或者形容词投票。

http://www.tuicool.com/articles/rMZfey