Comment fonctionne l'algorithme TextRank pour l'extraction de mots-clés?

L’algorithme TextRank est un algorithme basé sur un graphe, inspiré de PageRank, utilisé pour extraire des mots et phrases clés du texte.

Principe de fonctionnement :

1. Le texte est divisé en tokens (mots), généralement en supprimant les mots vides.
2. Un graphe est créé où les nœuds sont des mots, et les arêtes représentent des connexions entre mots, par exemple si les mots apparaissent côte à côte dans une fenêtre de taille fixe.
3. À chaque nœud est attribué un poids initial.
4. Les poids des nœuds sont recalculés de manière itérative selon une formule similaire à PageRank, en tenant compte des poids des nœuds voisins.
5. Une fois l’algorithme convergé, les mots avec le poids le plus élevé sont considérés comme clés.

Exemple : si dans le texte apparaissent fréquemment les mots "apprentissage automatique" et qu’ils sont liés à d’autres mots importants, ils recevront une haute note et seront mis en évidence comme mots clés.