关键词抽取算法TopicRank

1、文本预处理，分词，POS

2、筛选候选词，保留最长的名词和形容词序列；

3、采用HAC（层次凝聚聚类算法）聚类；（在超过25%重叠词的情况下，认为两个候选序列是相似的）

​

解释HAC

聚类算法

4、权重计算

​

w（i,j）为权重，其中 dist(ci, cj ) 是文档中候选关键词 ci 和