学习篇:新闻摘要提取算法

新闻摘要内容提取的算法如下:

1.按照算法对文本中的单词计算重要性,将符合阈值的设为关键字

2.按照句子中单词的重要性给句子计算重要性

3.按照句子的重要性为其排序

4.取出top-k个句子为摘要

准备工作:
from nltk.tokenize import sent_tokenize,word_tokenize

from nltk.corpus import stopwords

from collections import defaultdict

from string import punctuation

from heapq import nlargest

stopwords = set(stopwords.words('english') + list(punctuation))

max_cut = 0.9

min_cut = 0.1

这里说一下punctuationnlargest

punctuation 是一个列表,包含了英文中的标点和符号。

nlargest() 函数可以很快地求出一个容器中最大的n个数字,排序方式是堆排序。

步骤一:

计算单词重要性:

def compute_frequencies(word_sent):
    freq = defaultdict(int)

    for s in word_sent:
        for word in s:

            if word not in stopwords:
                freq[word] += 1


    m = float(max(freq.values()))

    for w in freq.keys():
        freq[w] /= m
        if freq[w] >= max_cut or freq[w] <= min_cut:
            del freq[w]


    return freq
步骤二:

计算句子重要性:

def summarize(text,n):

   sents = sent_tokenize(text)
   assert n <= len(sents)

   word_sent = [word_tokenize(s.lower()) for s in sents]

   freq = compute_frequencies(word_sent)

   ranking = defaultdict(int)

   for i ,word in enumerate(word_sent):

       for w in word:

           if w in freq:
               ranking[i] += freq[w]

   sents_idx = rank(ranking,n)

   return [sents[j] for j in sents_idx]
 
步骤三:

排序:

def rank(ranking,n):

   return nlargest(n,ranking,key=ranking.get)
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 利用计算机将大量的文本进行处理,产生简洁、精炼内容的过程就是文本摘要,人们可通过阅读摘要来把握文本主要内容,这不仅...
    甘尼克斯_阅读 13,767评论 1 8
  • 前面的文章主要从理论的角度介绍了自然语言人机对话系统所可能涉及到的多个领域的经典模型和基础知识。这篇文章,甚至之后...
    我偏笑_NSNirvana阅读 14,797评论 2 64
  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 175,707评论 25 709
  • 陈明下了夜班已经是夜里11点多了。家门口的小巷不知道什么时候来了个卖水果的老太太,这时候竟然也没收摊。 "小伙子...
    吃我一针阅读 4,200评论 3 5
  • 再一次陷入迷茫的沼泽 想要摆脱 却无论如何挣扎 却始终无法脱离 再一次步入绝望的死胡同 想要逃离 却无论如何转身 ...
    云梦浮华阅读 1,852评论 0 1