点击上方关注，All in AI中国
为了快速了解长文档的内容，我们将在阅读文章或书籍时进行总结。在英语中，我们做过阅读理解的都知道，每篇文章的第一个（或前两个）句子很有可能代表整篇文章。当然，主题句有时也可以是最后一句。
在NLP中，有两种方法可以进行文本摘要。第一个是提取方法，是一种从文章中提取关键词或句子的简单方法。这种方法会有一些限制，证明它的性能不是很好。第二个是抽象方法，基于给定的文章生成新的句子，它需要更先进的技术。
阅读本文后，你会：
- 了解PageRank算法
- 理解TextRank算法
- 我们如何使用TextRank算法进行汇总
PageRank算法由Google开发，用于搜索网站的最重要性，以便使Google搜索结果与查询相关。
在PageRank中，它是一个有向图。在开始时，所有节点具有相等的分数。
算法
第一个公式是PageRank的简化版本，我们将使用它来进行演示。第二个有点复杂，因为它涉及另一个参数，即阻尼因子“d”。默认情况下，d为0.85
我们来看看简化版。在迭代1中，这是PageRank计算的方式：
A：（1/4）/ 3 因为只有C指向A，所以我们使用先前的C分数（迭代0）除以C指向的节点数（即3）
B：（1/4）/ 2 +（1/4）/ 3。 A和C都指向B，因此先前的A分数（迭代0）除以A指向的节点数（即2）。对于C，它与前一个相同，即（1/4）/ 3。
问题：我们什么时候应该停止迭代？
根据理论，它应该计算，直到得分没有大的更新。
TextRank
为什么我们需要在TextRank之前引入PageRank？因为TextRank的思想来自PageRank并使用类似的算法（图形概念）来计算重要性。
区别：
- TextRank图是无向的。意味着所有的边都是双向的
- 边缘的权重是不同的，而在PageRank中它是1。有不同的计算方法，如BM25、TF-IDF。
有很多不同的文档相似性实现，如BM25、余弦相似性、IDF修正余弦。您可以选择最适合您的问题，如果您对这些算法一无所知，请告诉我们，我们会将其包含在以后的共享中。
第1步：环境设置
步骤2:导入库
结果
第3步：初始测试内容
第四步:尝试不同的比例
返回用于输入语句数量的比例参数用法。
结果
第5步：尝试不同的字数
单词统计参数是控制结果的另一个变量。 如果同时输入了word_count和ratio，比率将被忽略。
结果
对于整个代码，您可以从github查看。
（https://github.com/makcedward/nlp/blob/master/sample/nlp-text_summarization_extractive.ipynb）
