textrank
v1.2.0
Textrank實現Python 3中的文本摘要和關鍵字提取，並具有相似性功能的優化。
文本摘要：
>>> text =“”“自動摘要是減少文本文檔的過程 計算機程序以創建保留最重要點的摘要 原始文檔。隨著信息超載的問題的增加，並且 數據數量增加了，因此對自動匯總的興趣也增加了。 可以考慮一致摘要的技術考慮變量，例如 長度，寫作風格和語法。使用摘要技術的一個示例 是Google等搜索引擎。文檔摘要是另一個。 ”“” >>>來自Summa Import Summarizer >>>打印（Summarizer.Summarize（text）） '自動摘要是用計算機減少文本文檔的過程 程序以創建一個保留最重要點的摘要 原始文件。
關鍵字提取：
>>>來自匯總導入關鍵字 >>> print（keywords.keywords（text）） 文件 摘要 寫作 帳戶
請注意，輸入中的線路斷裂將用作句子分離器，因此請確保相應地預處理您的文本。
該軟件可在PYPI中找到。它取決於Numpy和Scipy，這是兩個用於科學計算的Python庫。 PIP將與Summa一起自動安裝它們：
pip安裝摘要
要獲得關鍵字提取的更好性能，請安裝模式。
命令行的用法：
Textrank -T文件
將摘要的長度定義為文本的一部分（也可以在keywords中使用）：
>>>來自summa.summarizer導入總結 >>>總結（文本，比率= 0.2）
定義摘要的長度，按尚有數量的單詞（也可以在keywords中使用）：
>>>總結（文字，單詞= 50）
定義輸入文本語言（也有keywords ）。
可用的語言是阿拉伯語，丹麥語，荷蘭語，英語，芬蘭語，法語，德語，匈牙利語，意大利語，挪威語，波蘭，波特，波特，葡萄牙語，羅馬尼亞語，俄語，西班牙語和瑞典語：
>>>總結（文字，語言='西班牙語'）
獲取結果作為列表（也可以在keywords中找到）：
>>>總結（text，split = true） ['自動摘要是用一個用一個簡化文本文檔的過程 計算機程序以創建保留最重要的摘要 原始文檔的點。 ']
引用這項工作：
@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 = {自動摘要的Textrank相似性功能的變化}，
日記= {corr}，
音量= {abs/1602.03606}，
年= {2016}，
url = {http://arxiv.org/abs/1602.03606}，
ArchivePrefix = {arXiv}，
eprint = {1602.03606}，
時間戳記= {Wed，2017年6月7日14:40:43 +0200}，
biburl = {https://dblp.org/rec/bib/journals/corr/barrioslaw16}，
Bibsource = {DBLP計算機科學書目，https://dblp.org}
}
Summa是根據MIT許可（MIT）發布的開源軟件。
版權（c）2014 - 現在求發。
