cas-bigdatalab Keyword Extractor 关键词提取 Skill
功能概述
本skill用于读取包含文本字段的 CSV、TSV、JSON 或 JSONL 数据，为每条记录新增一个关键词字段，字段值为JSON数组字符串。 支持jieba关键词抽取；未安装jieba时退回到简单词频统计。 不负责按预置领域关键词库做相关性筛选、文本清洗、分词结果展开或章节切分。
触发条件
当用户请求以下任务时，应使用此skill：
- 关键词提取/关键词抽取
- 文本关键词/标签提取
- 内容关键词分析
支持的文件格式
- CSV (.csv)
- TSV (.tsv)
- JSON (.json)
- JSONL (.jsonl)
使用方法
python scripts/run_keyword_extractor.py \
--input {input} \
--output {output} \
--text_field {text_field} \
--label_field {label_field} \
--topk {topk}
参数说明
| 参数 | 必填 | 说明 |
|---|---|---|
--input |
是 | 输入文件路径 |
--output |
是 | 输出文件路径 |
--text_field |
是 | 文本字段名 |
--label_field |
否 | 输出关键词字段名，默认"keywords" |
--topk |
否 | 提取关键词数量，默认5 |
输出示例
id,title,keywords
1,厦门海域养殖贝类体内重金属的初步研究,"[""厦门海域"", ""养殖"", ""贝类"", ""重金属""]"
环境要求
pip install jieba