tcad提取关键参数_阅读时怎样提取关键信息

风戽下的雨声

前沿 一、实例 基于jieba包的关键词提取 基于textrank4zh包的关键词提取 这个包不止能提取关键词，也能返回每个关键词的重要性程度得分；以下结果不同于jieba，主要是因为其默认的词性筛选不同； 二、结论 基于TFIDF和TextRank的关键词提取算法的效果和分词效果关系很大。如果不添加词汇深度学习，分词时会将深度学习划分为深度和学习，那么在用TFIDF提取关键词时，将无法出现深度学习这一关键词。理论上来说TextRank可以实现词汇粘合，前提是深度学习均作为关键词被提取出来了。但在这个实例中，若不添加深度学习，基于TextRank的关键词提取虽然均提取出了深度和学习作为关键词，却并没有将其粘合。 从实例中可以看到，TextRank的效果并不优于TFIDF。 TextRank虽然考虑到了词之间的关系，但是仍然倾向于将频繁词作为关键词，而且TextRank涉及到构建词图及迭代计算，所以提取速度较慢。