Textrank：利用networkx补充pagerank进行句子提取

Question

我正在尝试实现一个叫做textrank的算法，用来提取句子，具体的描述可以在这里找到。为了做到这一点，我需要在pagerank算法的基础上加上加权边，并让它在无向图上运行。

Networkx的pagerank算法实现让我可以很方便地加入加权边，并且据说可以把有向图转换成无向图，具体可以查看这里。

不过，当我测试的时候，它似乎还是在使用有向图。我可能漏掉了什么？非常感谢大家的帮助。

示例：

import networkx as nx
D=nx.DiGraph()
D.add_weighted_edges_from([('A','B',0.5),('A','C',1)])
print nx.pagerank(D)

---

输出: {'A': 0.25974025929223499, 'C': 0.40692640737443164, 'B': 0.33333333333333331}

Answer 1

在这里可以找到一个用Python实现的TextRank算法的不错示例，链接是这里。如果你想使用这个脚本，记得先运行nltk.download()，这样可以安装所需的数据文件，具体步骤可以参考这里。

Answer 2

我觉得你对networkx文档里的说明理解错了。不过，我得承认，文中的表述确实可以更清楚一些。

PageRank算法是为有向图设计的，但这个算法并不会检查输入的图是不是有向图，它会在无向图上执行，通过将每个有向边转换成两条边来实现。

这段话的意思是，PageRank算法是专门为有向图设计的，但它也可以用在无向图上。为了做到这一点，它会把无向网络转换成有向网络，把每条边替换成两条有向边（分别指向和指离）。

所以，如果你给它一个有向网络，它会根据有向结构来计算PageRank。如果你是从一个无向网络开始：

import networkx as nx

# Undirected Network
D = nx.Graph()
D.add_weighted_edges_from([('A', 'B', 0.5),('A', 'C', 1)])

# Default max number of iterations failed to converge for me
print nx.pagerank(D, max_iter=200)

# Outputs:
{'A': 0.48648648872844047, 'C': 0.32567567418103965, 'B': 0.18783783709051982}

或者如果你已经有一个有向网络，可以把它转换成无向网络：

import networkx as nx

# Directed Network
D = nx.DiGraph()
D.add_weighted_edges_from([('A', 'B', 0.5), ('A', 'C', 1)])

# Convert to undirected
G = D.to_undirected()

# Default max number of iterations failed to converge for me
print nx.pagerank(G, max_iter=200)

# Outputs:
{'A': 0.48648648872844047, 'C': 0.32567567418103965, 'B': 0.18783783709051982}