【源码】基于Python的中文文本关键词抽取系统

项目简介

本项目是基于Python的中文文本关键词抽取系统，运用TF-IDF、TextRank、Word2Vec词聚类三种算法，自动提取中文文本的关键词，助力用户快速把握文本核心内容，适用于专利文本、新闻文章、学术论文等多种文本类型。

项目的主要特性和功能

• TF-IDF关键词抽取：借助计算词频（TF）和逆文档频率（IDF）评估词语重要性，提取代表文本内容的关键词。
• TextRank关键词抽取：基于PageRank算法，构建词语共现网络，计算词语重要性得分来提取关键词。
• Word2Vec词聚类关键词抽取：利用Word2Vec模型将词语映射为高维向量，通过K-means聚类算法对词语聚类，选取聚类中心及其邻近词语作为关键词。

安装使用步骤

环境准备

• 安装Python 2.7.13版本。
• 安装所需的第三方库： bash pip install jieba gensim pandas numpy scikit-learn matplotlib

数据准备

• 准备一个包含文本ID、标题和摘要的CSV文件（如sample_data.csv）。
• 准备停用词表（如stopWord.txt），可按需添加自定义停用词。
• 准备预训练的Word2Vec模型文件（如wiki.zh.text.vector）。

运行代码

• 分别运行以下Python脚本来进行关键词抽取：
• TF-IDF关键词抽取：运行tfidf_keyword_extraction.py。
• TextRank关键词抽取：运行textrank_keyword_extraction.py。
• Word2Vec词聚类关键词抽取：运行word2vec_keyword_extraction.py。

结果查看

• 每种方法生成的关键词结果将分别保存在keys_TFIDF.csv、keys_TextRank.csv和keys_word2vec.csv文件中。
• 打开这些文件，查看提取的关键词及其对应的权重或距离。

注意事项

• 确保所有依赖库已正确安装，并且数据文件的路径和命名与代码中的要求一致。
• 如果需要处理其他类型的文本，可以根据实际情况调整停用词表和样本数据。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】