python 自然语言处理实战
Jibea
https://blog.****.net/qq_18603599/article/details/80865215
https://blog.****.net/qq_18603599/article/details/80865226
https://blog.****.net/qq_18603599/article/details/80865233
词性标注
北大词性标注集
宾州词性标注集
https://www.cnblogs.com/hapyygril/category/1333473.html
关键词提取算法 TF/IDF
词库中的某个词在当前文章中出现的频率
TF(i,j)：关键词j在文档i中的出现频率。 n(i,j)：关键词j在文档i中出现的次数
反文档频率”。先看什么是文档频率，文档频率DF就是一个词在整个文库词典中出现的频率，就拿上一个例子来讲：一个文件集中有100篇文章，共有10篇文章包含“机器学习”这个词，那么它的文档频率就是10/100=0.1，反文档频率IDF就是这个值的倒数，即10
IDF(i)：词语i的反文档频率
|D|：语料库中的文件总数
|j:t(i)属于d(j)|出现词语i的文档总数
+1是为了防止分母变0。
TextBank算法
Extraction和Abstraction。其中Extraction是抽取式自动文摘方法，通过提取文档中已存在的关键词，句子形成摘要；Abstraction是生成式自动文摘方法，通过建立抽象的语意表示，使用自然语言生成技术，形成摘要