textrank

Summa - TexTrank

Implementação do TexTrank para resumo de texto e extração de palavras -chave no Python 3, com otimizações sobre a função de similaridade.

Características

• Resumo do texto
• Extração de palavras -chave

Exemplos

Resumo de texto:

 >>> text = "" "Resumo automático é o processo de redução de um documento de texto com 
programa de computador para criar um resumo que retém os pontos mais importantes 
do documento original. À medida que o problema da sobrecarga da informação cresceu e como 
A quantidade de dados aumentou, assim como o interesse em resumo automático. 
Tecnologias que podem fazer um resumo coerente levar em consideração variáveis ​​como 
comprimento, estilo de escrita e sintaxe. Um exemplo do uso da tecnologia de resumo 
são mecanismos de pesquisa como o Google. O resumo do documento é outro. "" "

>>> do resumo de importação de summa
>>> Imprimir (Summarizer.summarize (texto))
'Resumo automático é o processo de redução de um documento de texto com um computador
programa para criar um resumo que retém os pontos mais importantes do
documento original. '

Extração de palavras -chave:

 >>> De summa importar palavras -chave
>>> PRINT (KEYWORDS.KEYWORDS (texto))
documento
resumo
escrita
conta

Observe que as quebras de linha na entrada serão usadas como separadores de frases; portanto, certifique -se de pré -processar seu texto de acordo.

Instalação

Este software está disponível no Pypi. Depende de Numpy e Scipy, duas bibliotecas Python para computação científica. Pip os instalará automaticamente junto com Summa:

 pip install summa

Para um melhor desempenho da extração de palavras -chave, instale o padrão.

Mais exemplos

• Uso da linha de comando:

   Arquivo TexTrank -t
  

• Defina o comprimento do resumo como uma proporção do texto (também disponível em keywords ):

   >>> de Summa.Summarizer Import resume
  >>> resumir (texto, razão = 0,2)
  

• Defina o comprimento do resumo por número aproxima de palavras (também disponível em keywords ):

   >>> resumir (texto, palavras = 50)
  

• Defina a linguagem de texto de entrada (também disponível em keywords ).

  Os idiomas disponíveis são árabe, dinamarquês, holandês, inglês, finlandês, francês, alemão, húngaro, italiano, norueguês, polonês, carregado, português, romeno, russo, espanhol e sueco:

   >>> resumir (texto, idioma = 'espanhol')
  

• Obtenha resultados como uma lista (também disponível em keywords ):

   >>> resumir (texto, split = true)
  ['Resumo automático é o processo de redução de um documento de texto com um
  programa de computador para criar um resumo que retém o mais importante
  Pontos do documento original. ']
  

Referências

• Mihalcea, R., Tarau, P.: "TexTrank: trazendo ordem para textos". In: Lin, D., Wu, D. (Eds.) Anais do EMNLP 2004. Pp. 404-411. Associação de Linguística Computacional, Barcelona, ​​Espanha. Julho de 2004.
• Barrios, F., López, F., Argerich, L., Wachencheazer, R.: "Variações da função de similaridade do textrank para resumo automatizado". Analis de las 44jaiio. Jornadas Argentinas de Informática, Simpósio Argentino sobre Inteligência Artificial, 2015.

Para citar este trabalho:

 @Article {DBLP: Journals/Corr/Barrioslaw16,
  autor = {Federico Barrios e
             Federico l { '{o}} pez e
             Luis Argerich e
             Rosa Wachenchezer},
  title = {variações da função de similaridade do textraNk for Automated Summarization},
  Journal = {corrig},
  volume = {abs/1602.03606},
  ano = {2016},
  url = {http://arxiv.org/abs/1602.03606},
  ArchivePrefix = {arxiv},
  ePrint = {1602.03606},
  Timestamp = {Wed, 07 de junho de 2017 14:40:43 +0200},
  biburl = {https://dblp.org/rec/bib/journals/corr/barrioslaw16},
  bibsource = {bibliografia de ciência da computação dblp, https://dblp.org}
}

---

A Summa é um software de código aberto lançado sob a licença do MIT (MIT).

Copyright (c) 2014 - agora Summa NLP.