【手撕 - 天然語言處理】手撕 TextRank（03）我本身實現的 C++ 版

做者：LogM

本文原載於 https://segmentfault.com/u/logm/articles ，不容許轉載~

1. 概述

TextRank 論文地址： https://www.aclweb.org/anthology/W04-3252

上一篇博客 TextRank C++ 版本 提到，兩位大佬的代碼還有改進空間，因此我本身也實現了一個版本。

2. 致謝

首先要很是感謝3位大佬，個人代碼是借鑑了他們3人的代碼實現的。

主要借鑑的點：letiantian 對中文的處理；comoody 對圖的構建；lostfish 對 PageRank 的實現。

letiantian: https://github.com/letiantian/TextRank4ZH.git

comoody: https://github.com/comoody/TextRank.git

lostfish: https://github.com/lostfish/textrank.git

3. 我本身的實現

Github地址：https://github.com/imLogM/TextRank_Cpp.git

本來我是給本身定的如下幾個目標：

a. 遵循原論文思路；

b. 代碼簡潔；

c. 優化計算速度；

d. 考慮異常輸入。

後來我發現，要 b、c、d 兼得真的好難。爲了加速計算速度，用空間換時間，把一些計算中間值單拎了出來，代碼簡潔度--。爲了應對用戶各類奇葩的輸入，寫了不少判斷語句，代碼簡潔度--。

仍是，就是爲了兼容舊的編譯器，range-based for loop 和 匿名函數 是確定不能用的，代碼簡潔度--。

4. 注意事項

代碼裏面會有 xxxx::toLowerCase() 和 xxxx::split() 這兩個奇怪的函數。這是由於我本身實現的時候用的特殊的字符串處理庫，大家使用時須要本身找庫來替換，固然，這兩個函數本身寫貌似也沒特別大的難度。