summa 1.2.0

功能

• 文本摘要
• 关键字提取

示例

文本摘要：

>>> text = """Automatic summarization is the process of reducing a text document with a \
computer program in order to create a summary that retains the most important points \
of the original document. As the problem of information overload has grown, and as \
the quantity of data has increased, so has interest in automatic summarization. \
Technologies that can make a coherent summary take into account variables such as \
length, writing style and syntax. An example of the use of summarization technology \
is search engines such as Google. Document summarization is another."""

>>> from summa import summarizer
>>> print(summarizer.summarize(text))
'Automatic summarization is the process of reducing a text document with a computer
program in order to create a summary that retains the most important points of the
original document.'

关键词提取：

>>> from summa import keywords
>>> print(keywords.keywords(text))
document
summarization
writing
account

请注意，输入中的换行符将用作句子分隔符，因此请确保 对文本进行相应的预处理。

安装

这个软件是available in PyPI。 这取决于NumPy和Scipy， 两个用于科学计算的python库。 pip将自动安装它们以及summa

pip install summa

要获得更好的关键字提取性能，请安装Pattern。

更多示例

• 命令行用法：

  textrank -t FILE
  

• 将摘要的长度定义为文本的比例（也可以在keywords中找到）：

  >>> from summa.summarizer import summarize
  >>> summarize(text, ratio=0.2)
  

＞P>用最接近的单词数（也可在{{CD1>}）中定义摘要的长度：

>>> summarize(text, words=50)

• 定义输入文本语言（在keywords中也可用）。

  可用语言有阿拉伯语、丹麦语、荷兰语、英语、芬兰语、法语、德语， 匈牙利语、意大利语、挪威语、波兰语、波特语、葡萄牙语、罗马尼亚语、俄语， 西班牙语和瑞典语：

  >>> summarize(text, language='spanish')
  

• 以列表形式获取结果（也可以在keywords中获得）：

  >>> summarize(text, split=True)
  ['Automatic summarization is the process of reducing a text document with a
  computer program in order to create a summary that retains the most important
  points of the original document.']
  

参考文献

• Mihalcea，R.，Tarau，P.： “Textrank: Bringing order into texts”。 作者：林，D，吴，D（编辑） 2004年EMNLP会议记录。第404-411页。计算语言学协会， 西班牙巴塞罗那。2004年7月。
• 巴里奥斯，F.，洛佩斯，F.，阿格里奇，L.，瓦钦乔泽，R.： “Variations of the Similarity Function of TextRank for Automated Summarization”。 拉斯44jaio分析。 Jornadas Argentinas de Informatica，阿根廷人工智能研讨会，2015年。

引用此作品：

@article{DBLP:journals/corr/BarriosLAW16,
  author    = {Federico Barrios and
             Federico L{\'{o}}pez and
             Luis Argerich and
             Rosa Wachenchauzer},
  title     = {Variations of the Similarity Function of TextRank for Automated Summarization},
  journal   = {CoRR},
  volume    = {abs/1602.03606},
  year      = {2016},
  url       = {http://arxiv.org/abs/1602.03606},
  archivePrefix = {arXiv},
  eprint    = {1602.03606},
  timestamp = {Wed, 07 Jun 2017 14:40:43 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/BarriosLAW16},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

summa是在The MIT License (MIT)下发布的开源软件。

版权所有（C）2014–现为Summa NLP。