NLP-文本摘要-2004：LexRank（无监督图模型）【属于机器学习范畴；由PageRank网页重要性分数衍生而来；用于文本“关键词”、 “关键句” 提取、抽取式摘要】
2023-09-27 14:20:38 时间
《原始论文：LexRank: Graph-based Lexical Centrality as Salience in Text Summarization》
句子Si与Sj之间的相似度使用余弦相似度作为相似度计算方式，
如图所示：
LexRank是一种无监督的基于图形的算法，它使用IDF修改的余弦作为两个句子之间的相似性度量。该相似度用作两个句子之间的图形边缘的权重。LexRank还采用了智能后处理步骤，确保为摘要选择的顶级句子彼此不太相似。
参考资料：
Lexrank学习
相关文章
- 机器学习 线性回归分析和预测棒球比赛数据
- 机器学习-算法-有监督学习：EM（最大期望值算法）＜=＞ MLE（最大似然估计法）【关系类似“梯度下降法”＜=＞“直接求导法”】【EM&“梯度下降”：先初始化一个随机值，然后通过迭代不断靠近真实值】
- 同一台Windows机器中启动多个Memcached服务
- 《构建实时机器学习系统》一第2章 实时监督式机器学习 2.1 什么是监督式机器学习
- 【《机器学习》第5章神经网络】其他常见神经网络+深度学习
- 【机器学习入门与实践】合集入门必看系列，含数据挖掘项目实战：数据融合、特征优化、特征降维、探索性分析等，实战带你掌握机器学习数据挖掘。
- 人工智能不再是未来，机器学习靠什么来实现？
- 基于BP神经网络的手写体识别，附有详细的代码，机器学习+神经网络1000案例之1
- 中国人工智能学会通讯——弱监督机器学习的研究进展 1.1 监督学习、非监督学习和半监督学习概述