Python Text Summarizer-保持句子顺序

Question

我正在自学python，并已完成了基本的文本摘要器。 我对摘要文本几乎满意，但希望进一步完善最终产品。

该代码可以正确执行一些标准的文本处理（标记，删除停用词等）。 然后，代码根据加权单词频率对每个句子评分。 我正在使用heapq.nlargest（）方法返回前7个句子，根据我的示例文本，我觉得这做得很好。

我面临的问题是，返回的前7个句子从最高分数->最低分数开始排序。 我了解为什么会这样。 我希望保持与原文相同的句子顺序。 我已经包含了相关的代码，希望有人可以指导我解决方案。

#remove all stopwords from text, build clean list of lower case words
clean_data = []
for word in tokens:
    if str(word).lower() not in stoplist:
        clean_data.append(word.lower())

#build dictionary of all words with frequency counts: {key:value = word:count}
word_frequencies = {}
for word in clean_data:
    if word not in word_frequencies.keys():
        word_frequencies[word] = 1
    else:
        word_frequencies[word] += 1

#print(word_frequencies.items())

#update the dictionary with a weighted frequency 
maximum_frequency = max(word_frequencies.values())
#print(maximum_frequency)

for word in word_frequencies.keys():
    word_frequencies[word] = (word_frequencies[word]/maximum_frequency)

#print(word_frequencies.items())

#iterate through each sentence and combine the weighted score of the underlying word
sentence_scores = {}

for sent in sentence_list:
    for word in nltk.word_tokenize(sent.lower()):
        if word in word_frequencies.keys():
            if len(sent.split(' ')) < 30:
                if sent not in sentence_scores.keys():
                    sentence_scores[sent] = word_frequencies[word]
                else:
                    sentence_scores[sent] += word_frequencies[word]

#print(sentence_scores.items())                    

summary_sentences = heapq.nlargest(7, sentence_scores, key = sentence_scores.get)

summary = ' '.join(summary_sentences)    

print(summary)

我正在使用以下文章进行测试： https : //www.bbc.com/news/world-australia-45674716

当前输出：“澳大利亚银行查询：'他们不在乎受伤的人'。该查询还听取了有关公司欺诈，银行贿赂，欺骗监管机构的行为以及鲁re行为的证词。该年度皇家委员会是该国最高的公开调查的形式已经暴露出该行业普遍存在的不法行为。皇家委员会是继澳大利亚最大的行业-澳大利亚金融业十年来的丑闻之后提出的。财政部长乔什·弗莱登伯格（Josh Frydenberg）说：“当不当行为被发现时，要么不予惩处，要么后果不符合所采取行动的严重性。”失去一切的银行客户他还批评了他所说的不足之处。还收到了银行，金融顾问，养老基金和保险公司提出的9300多份涉嫌不当行为的呈文 ce公司。”

例如，期望的结果：上面的第三句话：“今年的皇家委员会是该国最高级别的公开调查，已经暴露出该行业普遍存在的不法行为。” 实际上是在原始文章中出现在“澳大利亚银行查询：他们不在乎受伤的人”之前，我希望输出保持该句子顺序。

Answer 1

正常工作，如果其他人感到好奇，请离开这里：

#iterate through each sentence and combine the weighted score of the underlying word
sentence_scores = {}
cnt = 0
for sent in sentence_list:
    sentence_scores[sent] = []
    score = 0
    for word in nltk.word_tokenize(sent.lower()):
        if word in word_frequencies.keys():
            if len(sent.split(' ')) < 30:
                if sent not in sentence_scores.keys():
                    score = word_frequencies[word]
                else:
                    score += word_frequencies[word]
    sentence_scores[sent].append(score)
    sentence_scores[sent].append(cnt)
    cnt = cnt + 1


#Sort the dictionary using the score in descending order and then index in ascending order
#Getting the top 7 sentences
#Putting them in 1 string variable
from operator import itemgetter
top7 = dict(sorted(sentence_scores.items(), key=itemgetter(1), reverse = True)[0:7])
#print(top7)
def Sort(sub_li):
    return(sorted(sub_li, key = lambda sub_li: sub_li[1])) 
sentence_summary = Sort(top7.values())
summary = ""
for value in sentence_summary:
    for key in top7:
        if top7[key] == value:
            summary = summary + key
print(summary)