• 前言： 之前学习过了tf-idf算法，而textrank算法与其相似，也是用来计算文本的重要程度的。

TextRank 关键词提取

1. 引入

学习TextRank之前，应该先了解PageRank。
谷歌借鉴了学术界评判学术论文重要性的通用方法————看论文的引用次数。由此想到网页的重要性也可以根据这种方法来评价。这就是PageRank的核心思想：

• 如果一个网页被很多其他网页链接到的话说明这个网页比较重要，也就是PageRank值会相对较高
• 如果一个PageRank值很高的网页链接到一个其他的网页，那么被链接到的网页的PageRank值会相应地因此而提高
  
  如图，假设我们有4个网页——w1，w2，w3，w4。这些页面包含指向彼此的链接。有些页面可能没有链接，这些页面被称为悬空页面。
  
• w1有指向w2、w4的链接
• w2有指向w3和w1的链接
• w4仅指向w1
• w3没有指向的链接，因此为悬空页面
  为了对这些页面进行排名，我们必须计算一个称为PageRank的分数。这个分数是用户访问该页面的概率。
  为了获得用户从一个页面跳转到另一个页面的概率，我们将创建一个正方形矩阵M，它有n行和n列，其中n是网页的数量。
  
  矩阵中得每个元素表示从一个页面链接进另一个页面的可能性。比如，如下高亮的方格包含的是从w1跳转到w2的概率。
  

PageRank流程如下

1. 从页面i连接到页面j的概率，也就是M[i][j]，初始化为1/页面i的出链接总数wi
2. 如果页面i没有到页面j的链接，那么M[i][j]初始化为0
3. 如果一个页面是悬空页面，那么假设它链接到其他页面的概率为等可能的，因此M[i][j]初始化为1/页面总数

因此在本例中，矩阵M初始化后如下：

2. TextRank算法

• 相似之处
  • 用句子代替网页
  • 任意两个句子的相似性等价于网页转换概率
  • 相似性得分存储在一个方形矩阵中，类似于PageRank的矩阵M

流程如下

1. 把所有文章整合成文本数据。
2. 把文本分割成单个句子。
3. 然后，我们将为每个句子找到向量表示（词向量）。
4. 计算句子向量间的相似性并存放在矩阵中。
5. 然后将相似矩阵转换为以句子为节点、相似性得分为边的图结构，用于句子TextRank计算。
6. 最后，一定数量的排名最高的句子构成最后的摘要。