使用jieba进行关键字词提取（基于TF-IDF）

基于TF-IDF的关键词提取

TF-IDF:Term frequency–inverse document frequency

TF-IDF方法通过计算单文本词频（Term Frequency， TF）和逆文本频率指数（Inverse Document Frequency， IDF）得到词语权重，按照权重排序，输出关键字

原理：
TF：如果某个单词在这段文字中出现频率越高，TF越大，说明这个单词对于这段文字越重要
IDF：如果包含词条t的文档越少，也就是n越小，IDF越大，则说明词条t具有很好的类别区分能力
如果某个词出现的频率很高（TF越大），并且在其他文章中很少出现（IDF越大），即TF*IDF越大，则认为这个词适合用来分类，也适合用来当作关键字

python实现

jieba.analyse.extract_tags(string,topK=20,withWeight=True,allowPOS=(" "))
string：待处理语句
topK：返回TF、IDF权重最大的关键字的个数，默认20
withWeight：是否返回权重值，默认false
allowPOS：是否仅返回指定类型，默认为空

import jieba
import jieba.analyse

sentence = "本科及以上学历，计算机、数学等相关专业重点学校在校生(硕士为佳)-