如何提升Rake-Nltp中特定词汇被选为关键词的概率？

我用Rake-Nltp处理足球赛事解说文本生成关键词，比如对于语句Player1 puts a cross from right wing..，希望cross成为高得分关键词，但默认评分给出的分数很低。我尝试实现了自定义评分函数，但完全没改变结果——哪怕我知道代码没针对特定场景执行，输出也毫无变化。

我的自定义函数和Rake初始化代码如下：

def custom_scoring_function(word_frequency, word_degree, degree_to_frequency_ratio):
    # Increase score for words that match a certain pattern
    scores = {}
    # Loop through all candidate keywords
    for word in word_frequency.keys():
        # Example custom rule: give higher scores to keywords with more than one word
        if len(word.split()) > 1:
            scores[word] = word_degree[word] * 10
        else:
            scores[word] = (word_degree[word] / degree_to_frequency_ratio[word]) * 3
    return scores

r = Rake(ranking_metric=custom_scoring_function, stopwords=stopwords, max_length=3)

1. 先确认自定义函数是否被执行 #

首先排查函数是否真的在工作：在函数里加入调试打印，检查候选词是否包含cross，以及函数是否被调用：

def custom_scoring_function(word_frequency, word_degree, degree_to_frequency_ratio):
    print("候选词列表:", list(word_frequency.keys()))  # 调试用
    scores = {}
    # 定义需要加权的足球术语
    football_terms = {"cross", "pass", "shot", "goal", "wing"}
    for word in word_frequency.keys():
        # 优先给目标足球术语高权重
        if word in football_terms:
            scores[word] = word_degree[word] * 10
        elif len(word.split()) > 1:
            scores[word] = word_degree[word] * 5
        else:
            # 其他单词保留基础评分逻辑并适度加权
            scores[word] = degree_to_frequency_ratio[word] * 2
    return scores

如果执行后没看到候选词列表的输出，说明ranking_metric参数未被正确识别：

• 检查Rake-Nltp版本，旧版本可能不支持该参数，执行pip install --upgrade rake-nltk升级到最新版。
• 确认参数拼写正确，部分版本可能用scoring_function而非ranking_metric。

2. 确保cross未被过滤 #

如果候选词列表里没有cross，说明它被当成停用词过滤了：

• 打印stopwords列表，确认cross不在其中。
• 若使用自定义停用词，检查是否误将足球术语加入了停用词库。

3. 验证调整后的结果 #

执行以下代码查看关键词及对应分数：

text = "Player1 puts a cross from right wing.."
r.extract_keywords_from_text(text)
# 输出带分数的排序关键词
print(r.get_ranked_phrases_with_scores())

正常情况下会输出类似[(10.0, 'cross'), (2.0, 'right wing'), ...]的结果，cross的分数会显著高于其他词汇。

内容的提问来源于stack exchange，提问作者Ijk