通過詞頻，對文章進行自動摘要(Automatic summarization)

摘要呢分為人工摘要和自動摘要。自動摘要呢，就是要找到那些包含資訊最多的句子。有些句子包含資訊多，有些句子包含資訊少，自動摘要就是要找到那些包含資訊最多的句子。

句子資訊用關鍵詞來衡量。如果包含的關鍵詞越多，就說明這個句子越重要。有一個概念呢，就是用簇cluster表示關鍵詞的聚集。所謂的簇就是包含多個關鍵詞的句子片段。

當然了，我們稱被框起來的部分是一個簇，只要管家此的距離小於門檻值，他們就被認為處於同一個簇之中，專家的建議門檻是4或5.也就是說兩個關鍵詞之間有5個以上的其他詞，就可以把兩個關鍵詞分在兩個簇。

在對每一個簇，都計算他的重要性分值

下以這個圖為例有

其中的簇一共有7個詞，其中4個是關鍵詞。因此，它的重要性分值等於 ( 4 x 4 ) / 7 = 2.3。然後，找出包含分值最高的簇的句子（比如5句），把它們合在一起，就構成了這篇文章的自動摘要。

Luhn的這種演算法後來被簡化，不再區分"簇"，只考慮句子包含的關鍵詞。下面就是一個例子（採用偽碼錶示），只考慮關鍵詞首先出現的句子。

Summarizer(originalText, maxSummarySize):

　　　　// 計算原始文字的詞頻，生成一個數組，比如[(10,'the'), (3,'language'), (8,'code')...]
　　　　wordFrequences = getWordCounts(originalText)

　　　　// 過濾掉停用詞，陣列變成[(3, 'language'), (8, 'code')...]
　　　　contentWordFrequences = filtStopWords(wordFrequences)

　　　　// 按照詞頻進行排序，陣列變成['code', 'language'...]
　　　　contentWordsSortbyFreq = sortByFreqThenDropFreq(contentWordFrequences)

　　　　// 將文章分成句子
　　　　sentences = getSentences(originalText)

　　　　// 選擇關鍵詞首先出現的句子
　　　　setSummarySentences = {}
　　　　foreach word in contentWordsSortbyFreq:
　　　　　　firstMatchingSentence = search(sentences, word)
　　　　　　setSummarySentences.add(firstMatchingSentence)
　　　　　　if setSummarySentences.size() = maxSummarySize:
　　　　　　　　break

　　　　// 將選中的句子按照出現順序，組成摘要
　　　　summary = ""
　　　　foreach sentence in sentences:
　　　　　　if sentence in setSummarySentences:
　　　　　　　　summary = summary + " " + sentence

　　　　return summary
 

虛擬碼中貌似沒有考慮句子重複的問題。