Skip to main content

키워드 추출

키워드 추출​

  • 주요 개념:
    • 키워드 추출
    • MSS
    • MMR

키워드 추출​

  • 자주 나오는 단어 중에 문서와 가장 비슷한 단어를 찾음 
    word_emb = sbert.encode(words)
    dists = cosine_distances(doc_emb[[doc_idx]], word_emb).flatten()
    for i in np.argsort(dists)[:5]:
        print(words[i])
  • 문서의 내용과 비슷한 단어들이 키워드로 뽑힘
  • 비슷비슷한 키워드들이 뽑힐 수 있음
  • 해결책:
    • Max Sum Similarity
    • Maximal Marginal Relevance

Max Sum Similarity​

  • 1차적으로 문서와 유사한 n개의 키워드를 추출
  • 이중에서 k개의 키워드를 뽑아 조합하고, 그들 간의 유사도 합계를 구함
  • 키워드들의 유사도 합계가 가장 낮은 조합을 선택
  • 문서와 유사하면서, 서로 다른 키워드를 뽑는 방법

후보의 개수​

  • n을 키우면 더 다양한 후보를 고려할 수 있음
  • 그러나 조합의 개수는 n!(n−k)!k!\frac{n!}{(n-k)!k!} 크면 급격하게 증가
  • 다양성과 계산 시간을 고려하여 n과 k를 적절히 선택
from scipy.special import factorial
n = 10
k = 5
factorial(n)/factorial(n-k)/factorial(k)

Max Sum Similarity​

from itertools import combinations

max_dist = 0
keywords = None
candidates = np.argsort(dists)[:n] # n개의 후보
for combi in combinations(candidates, k): # k개씩 조합해서 시도
    word_dists = cosine_distances(word_emb[list(combi)]) # 키워드 간 거리 계산
    sum_dist = word_dists.sum() # 거리 합계
    if sum_dist > max_dist: # 키워드들이 서로 거리가 최대인 것을 찾음
        max_dist = sum_dist
        keywords = combi

for i in keywords:
    print(words[i])

Maximal Marginal Relevance​

  • 키워드를 하나씩 순차적으로 추가
  • 문서와 유사도가 높으면서 기존의 키워드와 유사도가 낮은 키워드를 추가하는 방식
  • 다양성(diversity) 하이퍼파라미터를 통해 문서-키워드 유사도와 키워드-키워드 유사도 중에 어느 쪽에 더 가중치를 줄지 결정할 수 있음
  • diversity =0=0: 문서와 유사도가 가장 높은 키워드를 선택
  • diversity =1=1: 기존 키워드와 유사도가 가장 낮은 키워드를 선택

Maximal Marginal Relevance​

diversity = 0.0 #다양성이 0이면 처음에 했던 키워드 추출 방법과 같음
keyword, *candidates = np.argsort(dists)[:n].tolist()
keywords = [keyword]
for _ in range(k-1):
    doc_sims = cosine_distances(doc_emb[[doc_idx]], word_emb[candidates])[0] #문서와 유사도 계산
    keyword_sims = cosine_distances(word_emb[keywords], word_emb[candidates]) #키워드와 유사도 계산
    keyword_sims = np.min(keyword_sims, axis=0) #가장 높은 키워드 유사도를 선택
    mmr = (1 diversity) * doc_sims diversity keyword_sims #MMR: 문서와는 비슷하고, 기존 키워드와는 달라야함
    most_similar_idx = np.argmin(mmr) #MMR이 가장 높은 키워드 위치
    keyword = candidates[most_similar_idx] #후보에서 해당 키워드를 선택
    keywords.append(keyword) #새 키워드 추가
    candidates.remove(keyword) #추가된 키워드는 후보에서 제거

[words[i] for i in keywords] #키워드 보기

퀴즈​