从文档中提取文本的大部分信息

是否有关于提取部分文本的文章或讨论，其中包含有关当前文档的大部分信息。

例如，我有来自同一域的大量文档。文本的某些部分包含单个文档所讨论的关键信息。我想提取其中一些部分，并将其用作文本的摘要。是否有关于如何实现此类目标的有用文档。

如果有人可以将我指引到正确的方向，这对我应该寻找或阅读的内容会有所帮助，那么我将对自然语言处理这一领域中可能已经完成的工作有所了解。

您所描述的通常是使用TF-IDF和提取摘要的简单组合来实现的。

简而言之，TF-IDF会告诉您每个文档中每个单词相对于语料库其余部分的相对重要性。此时，您对每个文档中每个单词的得分都接近其“重要性”。然后，您可以使用这些单独的单词分数，通过对每个句子中每个单词的分数求和来计算每个句子的综合分数。最后，只需将每个文档中得分最高的N个句子作为摘要。

今年早些时候，我放在一起的IPython的笔记本电脑，使用NLTK在Python中的这一个实现高潮Scikit学习：NLP的Python中略知一二。

许多关键字提取技术取决于以下因素：

1. 文字语法质量
2. 文字长度
3. 无论您要查找单个关键字还是短语关键字等。

但一般来说，如果您的文字较长，并且想从中自动提取关键字，建议您阅读以下文章：

1. 文字排名

2. RAKE [快速自动关键字提取]

3. Topica

另外，要提取不是通过上述技术获得的自定义（特殊）关键字，请查看以下帖子：

在python中使用NLTK POS标记器提取自定义关键字