extractSummary
从文件中提取摘要
描述
例子
总结文件
创建一个标记文档数组。
str = [“敏捷的棕色狐狸跳过了懒惰的狗。”“狐狸跳过了狗。”“懒狗看见一只狐狸在跳。”“好像有动物在跳其他动物。”"动物有快的,也有懒的"];文件= tokenizedDocument (str);
方法提取文档的摘要extractSummary
函数。默认情况下,该函数选择输入文档的1/10,四舍五入。
摘要= extractSummary(文档)
10代币:敏捷的棕色狐狸跳过了懒惰的狗。
要指定更大的摘要,请使用“SummarySize”
选择。提取一个三文档的摘要。
摘要= extractSummary(文档,“SummarySize”3)
敏捷的棕色狐狸跳过了懒惰的狗。7代币:狐狸跳过了狗。9代币:似乎有动物在跳其他动物。
评估文件的重要性
创建一个标记文档数组。
str = [“敏捷的棕色狐狸跳过了懒惰的狗。”“狐狸跳过了狗。”“懒狗看见一只狐狸在跳。”“好像有动物从其他动物身上跳过去。”"动物有快的,也有懒的"];文件= tokenizedDocument (str);
提取一个三文档的摘要。第二个输出分数
包含摘要文档重要性评分。
(总结,成绩)= extractSummary(文档,“SummarySize”3)
敏捷的棕色狐狸跳过了懒惰的狗。10代币:似乎有动物跳过其他动物。7代币:狐狸跳过了狗。
成绩=3×10.2426 0.2174 0.1911
把分数用柱状图形象化。
图酒吧(分数)包含(“总结文件”) ylabel (“分数”)标题(“总结文档的重要性”)
句子层面上总结
要总结单个文档,请将该文档拆分为一个句子数组,并使用extractSummary
函数。
创建包含文档的字符串标量。
str =...“有一只敏捷的狐狸。狐狸是棕色的。有一只狗。+...”是懒惰。这只狗很懒。狐狸跳过了狗。”+...“敏捷的棕色狐狸跳过了懒惰的狗。”;
方法将字符串拆分为句子splitSentences
函数。
str = splitSentences (str)
str =6 x1字符串“有一只敏捷的狐狸。”“狐狸是棕色的。”“有一只狗很懒。”“狗很懒。”“狐狸跳过了狗。”“敏捷的棕色狐狸跳过了懒惰的狗。”
创建一个包含句子的标记文档数组。
文件= tokenizedDocument (str)
documents = 6x1 tokenizedDocument: 6 tokens:有一只敏捷的狐狸。5代币:狐狸是棕色的。8代币:有一只懒惰的狗。6代物:这只狗很懒。7代币:狐狸跳过了狗。10代币:敏捷的棕色狐狸跳过了懒惰的狗。
从句子中提取摘要extractSummary
函数。要返回包含三个文档的摘要,请设置“SummarySize”
选项3。要确保摘要文档以与输入文档相同的顺序出现,请设置“OrderBy”
选项“位置”
.
摘要= extractSummary(文档,“SummarySize”,3,“OrderBy”,“位置”)
summary = 3x1 tokenizedDocument: 6 tokens:有一个敏捷的狐狸。7代币:狐狸跳过了狗。10代币:敏捷的棕色狐狸跳过了懒惰的狗。
方法将这些句子重构为单个文档,将文档转换为字符串joinWords
功能和连接句子使用加入
函数。
句子= joinWords(总结);summaryStr =加入(句子)
有一只敏捷的狐狸。狐狸跳过狗。敏捷的棕色狐狸跳过了懒惰的狗。”
要删除周围的标点符号字符,请使用取代
函数。
punctuationRight = [“。””、““”“)””:““?”“啊!”];summaryStr =取代(summaryStr,”“+ punctuationRight punctuationRight);punctuationLeft = [”(““”];summaryStr = replace(summaryStr,标点左边+”“punctuationLeft)
有一只敏捷的狐狸。狐狸跳过狗。敏捷的棕色狐狸跳过了懒惰的狗。”
输入参数
文档
- - - - - -输入文档
tokenizedDocument
数组
输入文档,指定为tokenizedDocument
数组中。
名称-值参数
指定可选参数对为Name1 = Value1,…,以=家
,在那里的名字
参数名称和价值
对应的值。名-值参数必须出现在其他参数之后,但对的顺序并不重要。
在R2021a之前,名称和值之间用逗号隔开,并括起来的名字
在报价。
例子:extractSummary(文档、“ScoringMethod”、“lexrank”)
摘录摘录自文档
并将评分方法选项设置为“lexrank”
.
ScoringMethod
- - - - - -评分法
“textrank”
(默认)|“lexrank”
|“麻疹”
用于提取摘要的评分方法,指定为逗号分隔的对,由“ScoringMethod”
和以下其中之一:
“textrank”
—使用TextRank算法。“lexrank”
—使用LexRank算法。“麻疹”
—使用MMR算法。
查询
- - - - - -MMR评分查询文档
tokenizedDocument
标量|字符串数组|字符向量的单元格数组
查询MMR评分文档,指定为逗号分隔的对,由“查询”
和一个tokenizedDocument
标量,字的字符串数组或字符向量的单元格数组。如果“查询”
不是一个tokenizedDocument
标量,那么它必须是表示单个文档的行向量,其中每个元素都是一个单词。
此选项仅在以下情况下有效“ScoringMethod”
是“麻疹”
.
SummarySize
- - - - - -大小的总结
0.1(默认)|(0,1)范围内的标量|正整数|正
摘要的大小,指定为逗号分隔的对,由“SummarySize”
和以下其中之一:
范围(0,1)中的标量——提取指定比例的输入文档,四舍五入。在本例中,是摘要文档的数量
装天花板(SummarySize * numDocuments)
,在那里numDocuments
是输入文档的数量。正整数——提取具有指定文档数量的摘要。如果
SummarySize
大于或等于输入文档的数量,则函数返回根据“OrderBy”
选择。正
—返回按顺序排序的输入文档“OrderBy”
选择。
数据类型:双
OrderBy
- - - - - -总结文件的顺序
“分数”
(默认)|“位置”
摘要文档的顺序,指定为逗号分隔的对,由“OrderBy”
和以下其中之一:
“分数”
-根据评分来订购文件“ScoringMethod”
选择。“位置”
-维护文档的输入顺序。
输出参数
版本历史
介绍了R2020a
MATLAB命令
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。