主要内容

lexrankScores

使用LexRank算法进行文档评分

在页面中全部折叠

语法

成绩= lexrankScores(文档)
成绩= lexrankScores(袋)

描述

例子

分数= lexrankScores (文档）使用LexRank算法根据成对的相似度值对指定文档的重要性进行评分。该函数使用余弦相似度，并使用PageRank算法计算重要性。

例子

分数= lexrankScores (袋）用单词包或n克包模型对文档进行编码。

例子

全部折叠

打开生活的脚本

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"“敏捷的棕色狐狸跳过了懒惰的狗”这只懒狗坐在那里什么也不做。“其他动物坐在那里看着”];文件= tokenizedDocument (str)
9个记号:敏捷的棕色狐狸跳过懒狗。8个记号:懒狗坐在那里什么也不做。6个记号:其他动物坐在那里看着

计算他们的LexRank分数。

成绩= lexrankScores(文件);

把分数用柱状图形象化。

图酒吧(分数)包含(“文档”) ylabel (“分数”)标题(“LexRank分数”）

图中包含一个axes对象。标题为LexRank Scores的axes对象包含一个类型为bar的对象。

打开生活的脚本

中的文本数据创建单词袋模型sonnets.csv．

文件名=“sonnets.csv”；台= readtable(文件名,“TextType”，“字符串”）;textData = tbl.Sonnet;文件= tokenizedDocument (textData);袋= bagOfWords(文档)
词汇:["来自" "最公平的" "生物" "我们"…NumWords: 3527 NumDocuments: 154

计算每首十四行诗的LexRank分数。

成绩= lexrankScores(袋);

把分数用柱状图形象化。

图酒吧(分数)包含(“文档”) ylabel (“分数”)标题(“LexRank分数”）

图中包含一个axes对象。标题为LexRank Scores的axes对象包含一个类型为bar的对象。

输入参数

全部折叠

输入文档，指定为tokenizedDocument数组，字的字符串数组，或字符向量的单元格数组。如果文档不是一个tokenizedDocument数组，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。要指定多个文档，请使用tokenizedDocument数组中。

输入单词袋或n克袋模型，指定为bagOfWords对象或一个bagOfNgrams对象。如果袋是一个bagOfNgrams对象，则函数将每个n-gram视为单个单词。

输出参数

全部折叠

LexRank分数，返回为N1的向量,分数(我)对应的分数我输入文档和N是输入文档的数量。

参考文献

[1]埃尔坎，Günes，德拉戈米尔·r·拉德夫。Lexrank:基于图形的词汇中心性在文本摘要中的突出性。人工智能研究杂志22(2004): 457 - 479。

版本历史

介绍了R2020a

另请参阅

|||||||

主题

Baidu
map