Python实现利用MMR提取自动摘要

原创

于 2018-08-02 16:45:55 发布 · 2.8k 阅读

·

3

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#MMR #算法 #NLP #自动摘要 #Python

本文介绍了MMR（最大边际相关法）算法用于自动摘要的原理和实践。MMR通过平衡句子的重要性和与已有摘要句子的差异来选择摘要句子。在实践中，通过计算句子的tf-idf值和余弦相似度来实现。并提供了一个Python demo来展示这一过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目录

文章目录

算法原理

MMR的全称是Maximal Marginal Relevance ，最大边界相关法或者最大边缘相关。公式如下：

$MMR:=\mathop{\arg\max}_{D_i} [\lambda\times score(D_i)-(1-\lambda)\times\max[Sim(D_i,D_j)]] \\D_i，D_j:第i，j号句子， \\\lambda:权衡句子重要性系数， \\Sim:相似度计算函数， \\Score:句子重要性计算函数。$

最低0.47元/天解锁文章

200万优质内容无限畅学

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。