基于TextRank算法提取關鍵詞——Java實現(xiàn)

依賴

 <dependency>
     <groupId>com.janeluo</groupId>
     <artifactId>ikanalyzer</artifactId>
     <version>2012_u6</version>
 </dependency>

代碼

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.TokenStream;
import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
import org.apache.lucene.analysis.tokenattributes.OffsetAttribute;
import org.apache.lucene.analysis.tokenattributes.TypeAttribute;
import org.wltea.analyzer.lucene.IKAnalyzer;

import java.io.IOException;
import java.io.StringReader;
import java.util.*;

/**
 * @author yuyufeng
 * @date 2017/11/3
 */
public class Demo {
    public static void main(String[] args) {

        List<String> keyWords = new ArrayList<>();
        int k = 2;  //窗口大小/2
        float d = 0.85f;
        /**
         * 標點符號、常用詞、以及“名詞、動詞、形容詞、副詞之外的詞”
         */
        Set<String> stopWordSet = new HashSet<String>();
        stopWordSet.add("是");
        stopWordSet.add("的");
        stopWordSet.add("地");
        stopWordSet.add("從");
        stopWordSet.add("將");
        stopWordSet.add("但");
        stopWordSet.add("都");
        stopWordSet.add("和");
        stopWordSet.add("為");
        stopWordSet.add("讓");
        stopWordSet.add("在");
        stopWordSet.add("由");
        stopWordSet.add("上");
        String field = "PageRank近似于一個用戶,是指在Internet上隨機地單擊鏈接將會到達特定網(wǎng)頁的可能性。通常,能夠從更多地方到達的網(wǎng)頁更為重要,因此具有更高的PageRank。每個到其他網(wǎng)頁的鏈接,都增加了該網(wǎng)頁的PageRank。具有較高PageRank的網(wǎng)頁一般都是通過更多其他網(wǎng)頁的鏈接而提高的。";


        Analyzer analyzer = new IKAnalyzer(true);
        TokenStream ts = null;
        //分詞
        try {
            ts = analyzer.tokenStream("myfield", new StringReader(field));
            OffsetAttribute offset = (OffsetAttribute) ts.addAttribute(OffsetAttribute.class);
            CharTermAttribute term = (CharTermAttribute) ts.addAttribute(CharTermAttribute.class);
            TypeAttribute type = (TypeAttribute) ts.addAttribute(TypeAttribute.class);
            ts.reset();

            while (ts.incrementToken()) {
                if (!stopWordSet.contains(term.toString())) {
                    keyWords.add(term.toString());
                }
            }
            ts.end();
        } catch (IOException var14) {
            var14.printStackTrace();
        } finally {
            if (ts != null) {
                try {
                    ts.close();
                } catch (IOException var13) {
                    var13.printStackTrace();
                }
            }

        }

        Map<String, Set<String>> relationWords = new HashMap<>();


        //獲取每個關鍵詞 前后k個的組合
        for (int i = 0; i < keyWords.size(); i++) {
            String keyword = keyWords.get(i);
            Set<String> keySets = relationWords.get(keyword);
            if (keySets == null) {
                keySets = new HashSet<>();
                relationWords.put(keyword, keySets);
            }

            for (int j = i - k; j <= i + k; j++) {
                if (j < 0 || j >= keyWords.size() || j == i) {
                    continue;
                } else {
                    keySets.add(keyWords.get(j));
                }
            }
        }

       /* for (String s : relationWords.keySet()) {
            System.out.print(s+" ");
            for (String s1 : relationWords.get(s)) {
                System.out.print(s1+" ");
            }
            System.out.println();
        }*/


        Map<String, Float> score = new HashMap<>();
        float min_diff = 0.1f; //差值最小
        int max_iter = 100;//最大迭代次數(shù)

        //迭代
        for (int i = 0; i < max_iter; i++) {
            Map<String, Float> m = new HashMap<>();
            float max_diff = 0;
            for (String key : relationWords.keySet()) {
                Set<String> value = relationWords.get(key);
                //先給每個關鍵詞一個默認rank值
                m.put(key, 1 - d);
                //一個關鍵詞的TextRank由其它成員投票出來
                for (String other : value) {
                    int size = relationWords.get(other).size();
                    if (key.equals(other) || size == 0) {
                        continue;
                    } else {
                        m.put(key, m.get(key) + d / size * (score.get(other) == null ? 0 : score.get(other)));
                    }
                }
//                System.out.println("m.get(key):"+m.get(key)+" score:"+(score.get(key) == null ? 0 : score.get(key)));
                max_diff = Math.max(max_diff, Math.abs(m.get(key) - (score.get(key) == null ? 0 : score.get(key))));
            }

            score = m;
            if (max_diff <= min_diff) {
                System.out.println("迭代次數(shù):" + i);
                break;
            }
        }

        List<Score> scores = new ArrayList<>();
        for (String s : score.keySet()) {
            Score score1 = new Score();
            score1.key = s;
            score1.significance = score.get(s);
            scores.add(score1);
        }

        scores.sort(new Comparator<Score>() {
            @Override
            public int compare(Score o1, Score o2) {
                if (o2.significance - o1.significance > 0) {
                    return 1;
                } else {
                    return -1;
                }

            }
        });

        for (Score score1 : scores) {
            System.out.println(score1);
        }

    }
}

class Score {
    String key;
    float significance;

    @Override
    public String toString() {
        return "關鍵詞=" + key +
                ", 重要程度=" + significance;
    }
}

運行結(jié)果
迭代次數(shù):11

關鍵詞=網(wǎng)頁, 重要程度=2.8311346
關鍵詞=鏈接, 重要程度=1.646728
關鍵詞=pagerank, 重要程度=1.6038197
關鍵詞=更多, 重要程度=1.2489531
關鍵詞=到達, 重要程度=1.1083827
關鍵詞=具有, 重要程度=0.98187566
關鍵詞=其他, 重要程度=0.9651773
關鍵詞=用戶, 重要程度=0.81595975
關鍵詞=指在, 重要程度=0.8086006
關鍵詞=internet, 重要程度=0.80388165
關鍵詞=一個, 重要程度=0.787644
關鍵詞=隨機, 重要程度=0.7764552
關鍵詞=單擊, 重要程度=0.76052386
關鍵詞=將會, 重要程度=0.71690917
關鍵詞=能夠, 重要程度=0.7066941
關鍵詞=可能性, 重要程度=0.70503104
關鍵詞=更高, 重要程度=0.7045265
關鍵詞=每個, 重要程度=0.7005399
關鍵詞=特定, 重要程度=0.6963727
關鍵詞=通過, 重要程度=0.69495517
關鍵詞=因此, 重要程度=0.69311315
關鍵詞=通常, 重要程度=0.69245243
關鍵詞=該, 重要程度=0.6918771
關鍵詞=一般, 重要程度=0.6895788
關鍵詞=都是, 重要程度=0.686642
關鍵詞=到, 重要程度=0.68152785
關鍵詞=更為重要, 重要程度=0.68064004
關鍵詞=地方, 重要程度=0.6771895
關鍵詞=近似于, 重要程度=0.6137907
關鍵詞=而, 重要程度=0.594995
關鍵詞=增加了, 重要程度=0.5508093
關鍵詞=較高, 重要程度=0.5392841
關鍵詞=提高, 重要程度=0.44995427

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 227,967評論 6 531
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 98,273評論 3 415
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 175,870評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,742評論 1 309
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,527評論 6 407
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 55,010評論 1 322
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,108評論 3 440
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 42,250評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 48,769評論 1 333
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 40,656評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,853評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,371評論 5 358
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 44,103評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,472評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,717評論 1 281
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,487評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,815評論 2 372

推薦閱讀更多精彩內(nèi)容

  • 獨角獸的青春閱讀 185評論 0 0
  • 春秋戰(zhàn)國時期,周王朝的勢力日漸衰弱。各路諸侯群雄紛爭,春秋五霸,戰(zhàn)國七雄,連年混戰(zhàn)不休。 何為戰(zhàn)國?是因為戰(zhàn)爭太多...
    謝紫洋閱讀 494評論 0 1
  • 有可能失敗是一種財富,雖然心酸,但也從中收獲了很多,有友情,有愛情,有迷茫,有膽怯,又害怕,又有坦然。從這次經(jīng)歷中...
    Vicky_x_y閱讀 97評論 0 0
  • 晨光路過我的房 鳥鳴敲響我的窗 夢中的你,是否已起床 昨夜,又在夢中與你相遇 久違的你,還是不言不語 醒來的我,依...
    Dreaming丫頭閱讀 443評論 2 1