textrank
v1.2.0
Textrank实现Python 3中的文本摘要和关键字提取，并具有相似性功能的优化。
文本摘要：
>>> text =“”“自动摘要是减少文本文档的过程 计算机程序以创建保留最重要点的摘要 原始文档。随着信息超载的问题的增加，并且 数据数量增加了，因此对自动汇总的兴趣也增加了。 可以考虑一致摘要的技术考虑变量，例如 长度，写作风格和语法。使用摘要技术的一个示例 是Google等搜索引擎。文档摘要是另一个。”“” >>>来自Summa Import Summarizer >>>打印（Summarizer.Summarize（text）） '自动摘要是用计算机减少文本文档的过程 程序以创建一个保留最重要点的摘要 原始文件。
关键字提取：
>>>来自汇总导入关键字 >>> print（keywords.keywords（text）） 文档 摘要 写作 帐户
请注意，输入中的线路断裂将用作句子分离器，因此请确保相应地预处理您的文本。
该软件可在PYPI中找到。它取决于Numpy和Scipy，这是两个用于科学计算的Python库。 PIP将与Summa一起自动安装它们：
pip安装摘要
要获得关键字提取的更好性能，请安装模式。
命令行的用法：
Textrank -T文件
将摘要的长度定义为文本的一部分（也可以在keywords中使用）：
>>>来自summa.summarizer导入总结 >>>总结（文本，比率= 0.2）
定义摘要的长度，按尚有数量的单词（也可以在keywords中使用）：
>>>总结（文字，单词= 50）
定义输入文本语言（也有keywords ）。
可用的语言是阿拉伯语，丹麦语，荷兰语，英语，芬兰语，法语，德语，匈牙利语，意大利语，挪威语，波兰，波特，波特，葡萄牙语，罗马尼亚语，俄语，西班牙语和瑞典语：
>>>总结（文字，语言='西班牙语'）
获取结果作为列表（也可以在keywords中找到）：
>>>总结（text，split = true） ['自动摘要是用一个用一个简化文本文档的过程 计算机程序以创建保留最重要的摘要 原始文档的点。']
引用这项工作：
@article {dblp：期刊/corr/barrioslaw16，
作者= {Federico Barrios和
federico l {'{o}} pez和
路易斯·阿格里奇（Luis Argerich）和
Rosa Wachenchauzer}，
title = {自动摘要的Textrank相似性功能的变化}，
日记= {corr}，
音量= {abs/1602.03606}，
年= {2016}，
url = {http://arxiv.org/abs/1602.03606}，
ArchivePrefix = {arXiv}，
eprint = {1602.03606}，
时间戳记= {Wed，2017年6月7日14:40:43 +0200}，
biburl = {https://dblp.org/rec/bib/journals/corr/barrioslaw16}，
Bibsource = {DBLP计算机科学书目，https://dblp.org}
}
Summa是根据MIT许可（MIT）发布的开源软件。
版权（c）2014 - 现在求发。
