文本关键词抽取：TextRank 算法原理与 num 参数调优
# 文本关键词抽取：TextRank 算法原理与 num 参数调优
- **接口 / 接入点**：文本关键词抽取（apiCode 941）· 接入点 `941-1`
- **是否免费**：是 ｜ **请求方式**：POST / GET ｜ **返回格式**：JSON
- **适用人群**：中高级开发者、对算法好奇的工程师
- **阅读时间**：约 9 分钟
## 核心要点
- TextRank 把「词」当图节点，靠共现关系反复投票，重要的词被更多重要词指向。
- `num` 决定返回关键词个数；长文可增大，但靠后词相关性通常更低。
- 调用前做停用词清理与长文切片，能提升关键词质量。
## Why：别把接口当黑盒
知道关键词「为什么」被抽出来，你才能调好 `num`、写好预处理，并在结果不理想时知道改哪。本文用大白话讲清 TextRank，并给出可调优点。
## What：TextRank 一句话原理
把正文分词后得到一系列候选词，构建一张「词共现图」：两个词在滑动窗口内相邻，就连一条边。然后像 PageRank 一样迭代投票——被很多词（尤其重要词）指向的词，得分更高，最终得分高的词就是关键词。
```
词 A ──共现──> 词 B
词 B ──共现──> 词 C
词 C ──共现──> 词 A （形成互相推荐的「重要词圈」）
```
所以它不是简单数频率，而是看「谁被重要的词提到」，这正是 TextRank 比纯词频更稳的原因。
## How：num 与预处理调优
### 步骤 1 · 调 num
`num` 控制返回个数（默认 10）。短文本取小、长文本取大：
```python
import requests
def kw(text, appkey, num=10):
r = requests.post("https://route.showapi.com/941-1",
data={"appKey": appkey, "text": text, "num": str(num)}, timeout=10)
body = r.json().get("showapi_res_body", {})
return body.get("list", []) if str(body.get("ret_code")) == "0" else []
```
### 步骤 2 · 调用前清理停用词（提升质量）
```python
STOP = {"的","了","是","在","和","也","我","你","他","就","都","很","与","及"}
def clean_words(text):
# 简化：实际用分词库（jieba 等）效果更好
return "".join(ch for ch in text if ch not in STOP)
```
### 步骤 3 · 长文切片
超长正文按段落切片分别抽取再合并去重，降低单段噪声：
```python
def kw_long(text, appkey, num=10, limit=500):
parts = [text[i:i+limit] for i in range(0, len(text), limit)]
out = []
for p in parts:
out += kw(p, appkey, num)
# 去重保序
seen, res = set(), []
for w in out:
if w not in seen:
seen.add(w); res.append(w)
return res[:num]
```
## 返回示例与解析
返回 `list` 即按重要性排序的关键词数组；靠前词权重更高、更代表主题。
## 进阶 / 边界
- `num` 越大，覆盖越广但尾部词越可能是噪声，生产建议取前 5~10 个高质量词。
- 停用词前置是锦上添花，接口内部已做词频处理；是否做取决于你的文本质量。
- 切片注意：窗口过小会割裂语义，建议按自然段落而不是硬字符数切。
## FAQ
**Q1：TextRank 和纯词频有什么区别？**
A1：纯词频只看出现次数；TextRank 还看词与词的关系，被重要词共现的词得分更高，更能反映主题。
**Q2：num 最大能传多少？**
A2：文档未给出上限数值，默认 10。按业务需要取，过大意义有限；具体以官方档位/说明为准。
**Q3：为什么有时抽出的词不像关键词？**
A3：可能是短文本、噪声大或未去停用词；尝试清理停用词、长文切片，或调大 num 后取头部。
**Q4：接口内部用的就是 TextRank 吗？**
A4：官方描述为本接口运用 TextRank 词频算法，具体实现以官方为准；本文原理用于帮助理解与调参。
**Q5：num 调大后顺序会变吗？**
A5：通常头部稳定、尾部变化更明显；关键主题词一般靠前，不受 num 小幅波动影响。
## 相关能力 / 下一步阅读
- [文本关键词抽取：新闻摘要与热点提取实战](https://www.showapi.com/guides/text-keyword-news-summary-941) —— 调好 num 直接用于生产
- [文本关键词抽取：5 分钟快速接入指南（Python / cURL / JS）](https://www.showapi.com/guides/text-keyword-quickstart-941) —— 先跑通再调参
- **本系列共 10 篇**：查看[文本关键词抽取指南总目录](https://www.showapi.com/guides/text-keyword-guides-941)
