前言

最近参加华五的比赛，我们队伍打算做一个聚合类的阅读软件，需要用到中文文章概要，选择使用抽取式的 TextRank 算法

原理

• 先把所有文章整合为文本数据，并将文本分割成单个句子
• 将句子中的每个词向量相加取均值，获取句向量
• 通过计算余弦相似度得到句子间的相似度，得到相似度矩阵
• 相似度矩阵化为以句子为节点，相似度得分为边的图结构
• 对句子的得分进行排序，取排名靠前的 n 个句子为概要

基于 Text_Rank 的中文文章概要

参考文章：

• 《基于 TextRank 的抽取式文本摘要（中文）》
• 《TextRank 系列之文本自动摘要提取》
• 《如何给文章自动生成摘要》

项目地址：

本项目已在 Github 上开源：Github 地址

Tips：

• 对代码进行了封装，逻辑上不太易读

• 预训练的词向量文件来自 https://github.com/Embedding/Chinese-Word-Vectors

• 停用词可使用项目内 res 文件夹下的，也可使用 https://github.com/goto456/stopwords

• 懒，有些当时测试时的注释没删