用途:从文档中提取关键词,使用 YAKE(Yet Another Keyword Extractor)无监督统计算法,无需训练数据。适用于关键词提取、关键术语抽取等请求。
主要能力:支持 34 种内置语言停用词(含 ar、zh、en、fr、de、ja 等),默认英语;可设置 n-gram 最大长度(n,默认 3,推荐 2 或 3)、去重阈值(dedupLim,默认 0.9)、返回数量(top,默认 20)。附带两个领域停用词文件:AI/ML(stopwords_ai.txt)与生命科学(stopwords_ls.txt),可减少领域通用词干扰。分数越低表示越重要。
使用方式:首次安装可执行 cd /home/claude;uv venv yake-venv --system-site-packages;uv pip install yake --python yake-venv/bin/python --no-deps;uv pip install jellyfish segtok regex --python yake-venv/bin/python。基本调用为 yake.KeywordExtractor(lan="en", n=3, dedupLim=0.9, top=20).extract_keywords(text)。自定义停用词可通过 stopwords 参数传入集合,或把停用词文件复制到 YAKE 的 StopwordsList 目录后用 lan 指定。结果可输出为纯文本、CSV 或 JSON。
适用场景:单文档分析、批量文件处理、多语言文档、AI/ML 或生命科学文献,以及需要更全面结果时组合 n=2 与 n=3 的提取。
限制:YAKE 为无监督算法,文本过短(通常需 100 词以上)可能返回空结果;4 词以上长短语效果可能不佳,需后处理或本体匹配;组合提取约增加一倍运行时间;调用时需指定完整虚拟环境路径 /home/claude/yake-venv/bin/python。