Textrank : networkx를 사용하여 문장 추출을위한 PageRank를 보완하십시오.

Question

here과 같이 문장 추출을위한 textrank 알고리즘을 구현하려고합니다. 가중 에지를 가진 페이지 랭크 알고리즘을 보완하고 그것을 무향 그래프에서 실행해야하는 경우. Networkx PageRank 알고리즘 구현을 통해 웨이팅 된 에지를 easely 통합 할 수 있으며 방향성 그래프를 무향으로 변환한다고합니다 : here을 참조하십시오. 그러나 내가 테스트했을 때 여전히 유향 그래프를 사용하는 것 같습니다. 내가 여기서 무엇을 놓치고 있니? 도움이 크게 appriciated.

예 :

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

---

Outpunt : { 'A': 0.25974025929223499는 'C': 0.40692640737443164, 'B': 0.33333333333333331}

Answer 1

나는 당신이 networkx에 메모를 잘못 해석 생각 선적 서류 비치. 나는 그것이 더 잘 표현 될 수 있음을 인정해야한다.

랭크 알고리즘 유향 그래프를 위해 설계되었지만, 본 알고리즘은 입력 그래프 지시 여부를 확인하지 않고 두 가장자리에 방향 그래프에서 각각의 배향 경계를 변환하여 무향 그래프에 실행된다.

이것이 말하는 것은 PageRank 알고리즘이 유향 그래프 용으로 설계되었지만 무향 그래프 용으로 사용될 수 있다는 것입니다. 그렇게하기 위해 각 에지를 두 개의 방향 에지로 (인 및 아웃) 교체하여 방향없는 네트워크를 직접 네트워크로 변환합니다.

따라서 지정 된 네트워크에 지정하면 지시 된 구조에 따라 PageRank를 계산합니다.

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} 

또는 이미 감독 네트워크가있는 경우, 무향 하나로 변환 : 그러니 무향 네트워크로 시작

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} 

Answer 2

파이썬에서 TextRank 알고리즘의 좋은 구현을 찾을 수 있습니다 here. 이 스크립트를 사용하려면 먼저 here과 같이 필요한 데이터 파일을 설치하려면 nltk.download()를 실행해야합니다.