一、实验目的

理解并掌握TextRank关键字提取算法。

三、实验内容

TextRank算法是一种基于图的用于关键词抽取和文档摘要的排序算法，由谷歌的网页重要性排序算法PageRank算法改进而来，它利用一篇文档内部的词语间的共现信息(语义)便可以抽取关键词，它能够从一个给定的文本中抽取出该文本的关键词、关键词组，并使用抽取式的自动文摘方法抽取出该文本的关键句。TextRank算法的基本思想是将文档看作一个词的网络，该网络中的链接表示词与词之间的语义关系。

本实验我们分别利用结巴工具和TextRank4zh两种方法实现TextRank算法。

三、实验语言和平台

Python3.7，AI Studio 平台，本实验需要4学时。

四、实验内容和分析

（1）进入课节5，查看实验内容《基于TextRank算法的两种关键词提取》，读懂这两种算法，为主要代码做注释，自行编写代码完成，输出“燕山大学是河北省人民政府、教育部、工业和信息化部、国家国防科技工业局四方共建的全国重点大学，河北省重点支持的国家一流大学和世界一流学科建设高校，北京高科大学联盟成员。”这段话的关键词和权重。

（2）从[高校名称]新闻网上自行寻找一篇新闻，将其粘贴在一个记事本文件中，然后在代码中读取这个文件，分别使用jieba工具和TextRank4zh提供的抽取关键词的方法来输出关键词，可以尝试输出5个、10个等。

（3）编写一个停用词过滤算法，其能够读取停用词表，并且对读入的文档进行停用词过滤后再利用TextRank4zh进行关键词抽取，尝试设置TextRank4Keyword对象的analyze的window参数大小，查看输出的关键词有何区别。

（4）请给出jieba工具和TextRank4zh两种获取的关键词的方法的差异。