无监督学习算法: 先抽取出候选词，然后对各个候选词进行打分，然后输出topK个分值最高的候选词作为关键词。 根据打分的策略不同，有不同的算法，例如TF-IDF，TextRank等算法 from jieba import analyse ''' sentence：  待提取关键词的文本 topK：      返回关键词的数量，重要性从高到低排序 withWeight：是否同时返回每个关键词的权重 allowPOS：  词性过滤，为空表示不过滤，若提供则仅返回符合词性要求的关键词             默认为('ns', 'n', 'vn', 'v'),即仅提取地名、名词、动名词、动词 ''' # 原始文本 text = "线程是程序执行时的最小单位，它是进程的一个执行流，\         是CPU调度和分派的基本单位，一个进程可以由很多个线程组成，\         线程间共享进程的所有资源，每个线程有自己的堆栈和局部变量。\         线程由CPU独立调度执行，在多CPU环境下就允许多个线程同时运行。\         同样多线程也可以实现并发操作，每个请求分配一个线程来处理。" # 基于TF-IDF算法进行关键词抽取 tfidf = analyse.extract_tags keywords = tfidf(text,topK=20, withWeight=True, allowPOS=())#list # 基于TextRank算法进行关键词抽取 textrank=analyse.textrank keywords=textrank(text)#list # 输出抽取出的关键词 for keyword in keywords:     print(keyword[0],keyword[1])#分别为关键词和相应的权重