按文章词频提取关键字代码,Java代码库,德仔网

代码语言
代码分类
【Java】按文章词频提取关键字
作者: / 发布于2016/11/8/ 487
代码来自：http://blog.csdn.net/awj3584/article/details/17996493 jar包： lucene-core-3.6.2.jar,lucene-memory-3.6.2.jar, lucene-highlighter-3.6.2.jar,lucene-analyzers-3.6.2.jar IKAnalyzer2012.jar
package blog;

import java.io.IOException;
import java.io.StringReader;
import java.util.ArrayList;
import java.util.Collections;
import java.util.Comparator;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;
import org.apache.lucene.analysis.TokenStream;
import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
import org.wltea.analyzer.lucene.IKAnalyzer;


/**
 * 获取文章关键字
 * @author lpd
 *
 */
public class WordUtil {

    /** 测试文章 */
    static String keyWord = "党的十八大以来，中央先后开展了党的群众路"
                            + "线教育实践活动、“三严三实”专题教育，重点解决“关键少数”存在的突"
                            + "出问题。而近期在全党开展的“两学一做”学习教育，则是推动全面从严治党向"
                            + "基层延伸，使党内教育从“关键少数”向广大党员拓展，从集中性教育向经常"
                            + "性教育延伸。习近平就此作出重要指示强调，开展“两学一做”学习教育，要把"
                            + "全面从严治党落实到每个支部、每名党员。基层是党的执政之基、力量之源。净"
                            + "化基层组织，激发基层力量，才能更好地协调推进整个“四个全面”战略布局。“两"
                            + "学一做”着眼于基层，成为全面从严治党的关键一着。";

    /** 获取关键字个数 */
    private final static Integer NUM=6;
    /** 截取关键字在几个单词以上的数量 */
    private final static Integer QUANTITY=1;

    /**
     * 传入String类型的文章，智能提取单词放入list中
     * @param article
     * @param a
     * @return
     * @throws IOException
     */
    private static List<String> extract(String article,Integer a) throws IOException {
        List<String> list =new ArrayList<String>();         //定义一个list来接收将要截取出来单词
        IKAnalyzer analyzer = new IKAnalyzer();             //初始化IKAnalyzer
        analyzer.setUseSmart(true);                         //将IKAnalyzer设置成智能截取
        TokenStream tokenStream=                            //调用tokenStream方法(读取文章的字符流)
                analyzer.tokenStream("", new StringReader(article));
        while (tokenStream.incrementToken()) {              //循环获得截取出来的单词
            CharTermAttribute charTermAttribute =           //转换为char类型
                    tokenStream.getAttribute(CharTermAttribute.class);
            String keWord= charTermAttribute.toString();    //转换为String类型
            if (keWord.length()>a) {                     //判断截取关键字在几个单词以上的数量(默认为2个单词以上)
                list.add(keWord);                           //将最终获得的单词放入list集合中
            }
        }
        return list;
    }

    /**
     * 将list中的集合转换成Map中的key，value为数量默认为1,值为词频
     * @param list
     * @return
     */
    private static Map<String, Integer> list2Map(List<String> list){
        Map<String, Integer> map=new HashMap<String, Integer>();
        for(String key:list){                      //循环获得的List集合
            if (list.contains(key)) {              //判断这个集合中是否存在该字符串
                map.put(key, map.get(key) == null ? 1 : map.get(key)+1);
            }                                       //将集中获得的字符串放在map的key键上
        }                                          //并计算其value是否有值，如有则+1操作
        return map;
    }

    /**
     * 提取关键字方法，获取词频高的Top-n个关键字，
     * @param article
     * @param a
     * @param n
     * @return
     * @throws IOException
     */
    public static String[] getKeyWords(String article,Integer a,Integer n) throws IOException {

        List<String> keyWordsList= extract(article,a);            //调用提取单词方法
        Map<String, Integer> map=list2Map(keyWordsList);      //list转map并计次数
        //使用Collections的比较方法进行对map中value的排序
        ArrayList<Entry<String, Integer>> list = new ArrayList<Entry<String,Integer>>(map.entrySet());
        Collections.sort(list, new Comparator<Map.Entry<String, Integer>>() {
            public int compare(Map.Entry<String, Integer> o1, Map.Entry<String, Integer> o2) {
                return (o2.getValue() - o1.getValue());
            }
        });
        if (list.size()<n) n=list.size();                    //排序后的长度，以免获得到null的字符
        String[] keyWords=new String[n];                    //设置将要输出的关键字数组空间
        for(int i=0; i< list.size(); i++) {                  //循环排序后的数组
            if (i<n) {                                       //判断个数
                keyWords[i]=list.get(i).getKey();           //设置关键字进入数组
            }
        }
        return keyWords;
    }

    /**
     * 
     * @param article
     * @return
     * @throws IOException
     */
    public static String[] getKeyWords(String article) throws IOException{
        return getKeyWords(article,QUANTITY,NUM);
    }

    public static void main(String[] args) {

        try {
            String [] keywords = getKeyWords(keyWord);
            for(int i=0; i<keywords.length; i++){
                System.out.println(keywords[i]);
            }
        } catch (IOException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
    }
}
试试其它关键字
　关键字　
同语言下
可能有用的
贡献的其它代码Label