Wyodrębnianie słów kluczowych Watson Natural Language Processing przy użyciu bloku rankingowego wyodrębnia frazy z tekstu wejściowego w oparciu o ich istotność.

Nazwa bloku

keywords_text-rank_<language>_stock

Obsługiwane języki

Ekstrakcja słów kluczowych z rankingami tekstowymi jest dostępna dla następujących języków. Listę kodów języków i odpowiedniego języka można znaleźć w sekcji Kody języków.

ar, cs, da, de, en, es, fi, fr, he, hi, it, ja, ko, nb, nl, nn, pt, ro, ru, sk, sv, tr, zh-cn

Możliwości

Słowa kluczowe i blok klasyfikacji tekstowej klasyfikują frazy rzeczowników wyodrębnione z dokumentu wejściowego w zależności od tego, jak istotne są one w dokumencie.

Zależności na innych blokach

Aby można było uruchomić wyodrębnianie słów kluczowych z blokiem rankingu, muszą zostać uruchomione następujące bloki:

• syntax_izumo_<language>_stock
• noun-phrases_rbr_<language>_stock

Przykład kodu

import watson_nlp
text = "Anna went to school at University of California Santa Cruz. Anna joined the university in 2015."

# Load Syntax, Noun Phrases and Keywords models for English
syntax_model = watson_nlp.load('syntax_izumo_en_stock')
noun_phrases_model = watson_nlp.load('noun-phrases_rbr_en_stock')
keywords_model = watson_nlp.load('keywords_text-rank_en_stock')

# Run the Syntax and Noun Phrases models
syntax_prediction = syntax_model.run(text, parsers=('token', 'lemma', 'part_of_speech'))
noun_phrases = noun_phrases_model.run(text)

# Run the keywords model
keywords = keywords_model.run(syntax_prediction, noun_phrases, limit=2)
print(keywords)

Dane wyjściowe przykładu kodu:

'keywords': 
       [{'text': 'University of California Santa Cruz', 'relevance': 0.939524, 'count': 1},
        {'text': 'Anna', 'relevance': 0.891002, 'count': 2}]

Temat nadrzędny: Watson Katalog zadań przetwarzania języka naturalnego