主要内容

textrankScores

使用TextRank算法进行文档评分

折叠页面

语法

scores = textrankScores(文档)
scores = textrankScores(书包)

描述

例子

分数= textrankScores (文档）分数文档根据使用TextRank算法的两两相似性值来确定重要性。为了计算相似性和重要性分数，该函数分别使用BM25和PageRank算法。

例子

分数= textrankScores (袋）对由词袋模型或n-grams模型编码的文档进行评分袋．

例子

全部折叠

打开实时脚本

创建一个标记化文档数组。

STR = ["敏捷的棕色狐狸跳过了懒惰的狗"快速的棕色狐狸跳过了懒惰的狗。懒惰的狗坐在那里什么也没做。“其他动物坐在那里看着。”];documents = tokenizedDocument(str)
文档= 4×1 tokenized文档:9个令牌:快速的棕色狐狸跳过了懒惰的狗9个令牌:快速的棕色狐狸跳过了懒惰的狗8个令牌:懒惰的狗坐在那里什么也不做6个令牌:其他动物坐在那里观看

计算TextRank分数。

scores = textrankScores(文档);

在条形图中可视化分数。

图条(分数)xlabel(“文档”) ylabel (“分数”)标题(“TextRank分数”）

打开实时脚本

从中的文本数据创建词袋模型sonnets.csv．

文件名=“sonnets.csv”;TBL = readtable(文件名，“TextType”，“字符串”);textData = tbl.Sonnet;documents = tokenizedDocument(textData);bag = bagOfWords(文件)
bag = bagOfWords with properties: Counts: [154×3527 double] Vocabulary: [1×3527 string] NumWords: 3527 NumDocuments: 154

计算TextRank分数。

scores = textrankScores(bag);

在条形图中可视化分数。

图条(分数)xlabel(“文档”) ylabel (“分数”)标题(“TextRank分数”）

输入参数

全部折叠

输入文档，指定为tokenizedDocument数组，单词的字符串数组，或字符向量的单元格数组。如果文档不是。tokenizedDocument数组，那么它必须是表示单个文档的行向量，其中每个元素都是一个单词。要指定多个文档，请使用tokenizedDocument数组中。

输入bag-of-words或bag-of-n-grams模型，指定为abagOfWords对象或bagOfNgrams对象。如果袋是一个bagOfNgrams对象，则该函数将每个n-gram视为单个单词。

输出参数

全部折叠

TextRank分数，作为N- × 1向量，其中分数(我)对应的分数我输入文档和N是输入文档的数量。

参考文献

[1]米哈尔恰、拉达和保罗·塔劳。“文本秩:给文本带来秩序。”在2004年自然语言处理经验方法会议论文集，第404-411页。2004.

版本历史

在R2020a中引入

另请参阅

|||||||

主题