关键字提取

关键字提取作为文本分析的重要一环，现在已经拥有很多工具可以使用，一般工具被分为两类，第一类是基于算法的关键字提取，也就是将文本进行分词操作后对文本当中词语出现的频率做出统计，同时对一些助词或者语气词进行过滤操作得到较为准确的关键词。第二类就是基于机器学习的关键词提取，需要对文章进行相应的向量计算，具体的算法需要依据实际情况考量。本文只展示第一种：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 加载模块
from textrank4ch.TextRank4Keyword import TextRank4Keywords
    
# 准备预料, 输入时一个字符长串, 可含特殊字符
corpus =  '''
据了解，为全面强化边境禁毒“清源断流”，严查严打跨境涉毒违法犯罪，国家移民管理机构广大移民管理警察在血与火、生与死的考验中，不惧牺牲，勇于担当，以“边境多查毒、内地少受害”为使命，昼夜坚守边境缉毒一线，充分发挥党政军警民合力强边固防机制作用，综合采取人防、物防、技防措施，严密边境前沿查堵、强化专案攻坚、紧抓边境辖区社会面管控、深化口岸边境执法协作，全力遏制境外毒品渗透内流和制毒物品走私出境，坚决筑起口岸边境禁毒的坚固防线。其间，广大移民管理警察还深入边境辖区村寨、学校，大力宣传法律法规及毒品危害，广泛发动群众参与到禁毒人民战争中来，有力构建群防群治的禁毒网络，营造了边境辖区对涉毒违法犯罪“人人喊打”的良好局面。
国家移民管理局有关负责人表示，下一步，移民管理机构将继续深入研判毒品犯罪藏毒方式、涉毒群体、贩运方式、绕关避卡等规律特点，动态调整布设执勤点位织密边境查缉堵截网络；以大案复盘扩线为突破口，摸排盘踞本地、辐射周边的涉毒群体，深挖贩毒团伙网络，采取专班运作、专案经营、挂牌督办、多警种协同作战、口岸边境执法协作等方式推进大案专案侦办；结合“法治宣传固边防”活动，加大边境辖区禁毒宣传力度，持续开展“禁毒流动课堂”“禁毒宣传下基层”“全民禁毒宣传月”等集中宣传活动，努力提高群众自觉参与禁毒斗争的意识，进一步阻断境外毒品渗透内流通道，最大限度减少毒品渗透危害。
'''

# 对输入进行分析、得到全量的关键词相关信息, 如权重(PR)、词性
t4kw = TextRank4Keywords()
t4kw.analyze(text=corpus)
    
# 再基于上述analyze的结果进行按需提取需要的关键字
print(t4kw.get_key_words(4))