HF KeyBERT

HF KeyBERT

在 Streamlit 页面里用 KeyBERT 从文本中提取关键词，适合想不写代码就试用关键词提取的研究人员、学生和开发者。

由 Hellisotherpeople 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：HF KeyBERT 是一个 Streamlit 应用，从名字看，它用 KeyBERT 从文本里提取关键词。KeyBERT 是一种建立在 BERT 类模型之上的关键词提取方法。记录里列出了 DebateSum 数据集作为它的数据。

适合谁：它适合想拿到文本关键词的研究人员、学生和写作者，也适合想看小型 Streamlit 示例的开发者。记录里没有使用说明，所以要靠点点看来熟悉页面。

行业 | 使用者 | 使用方式 | 例子
研究 | 文本分析师 | 从文档里提取主要术语 | 粘贴一段文字，读一读关键词
教育 | 学生和老师 | 看看文本里哪些术语最突出 | 比较两段文字的关键词
软件 | Python 开发者 | 阅读一个小型关键词提取应用 | 打开 app.py，看页面是怎么搭的

如果你需要一条经过测试、能用于生产数据的流程，可以跳过它。

用在哪里：

• 网页浏览器，在 Hugging Face 上的 Space 页面里
• Windows、macOS 或 Linux 上的 Python 3.12，用下载的副本运行

用例 | 适合谁 | 得到什么
找出文本中的关键术语 | 分析师和学生 | 这段文本的关键词列表
教授关键词提取 | 老师 | 一个可以动手点着看的页面
把应用当作基础复用 | 开发者 | 一个可以改造的小型 Streamlit 应用

如何设置：

• 如果用在线 Space，什么都不用装
• 只有运行副本时才需要在电脑上装 Python 3.12
• requirements.txt 里列出的依赖包

1. 在浏览器里打开 Space 页面，无需安装就能使用。
2. 想运行副本，先安装 Hugging Face Hub 包，再下载这个 Space。
3. 进入新文件夹，然后安装 Streamlit 和清单里的依赖。
4. 用 Streamlit 启动应用。

pip install -U huggingface_hub
hf download Hellisotherpeople/HF-KeyBERT --repo-type space --local-dir HF-KeyBERT
cd HF-KeyBERT
pip install streamlit
pip install -r requirements.txt
streamlit run app.py

如何使用：在线使用时，打开 Space，用页面上的控件操作。在自己的电脑上，则在 Space 文件夹里用 Streamlit 运行主文件，再使用它提供的页面。记录没有列出这些控件，请看页面。

streamlit run app.py

示例：你打开 Space，给它一段文字，或者使用它所列的数据。应用会返回它在这段文字里找到的关键词。记录里没有示例输出，请看页面。

新手与专家：关键词提取是挑出最能概括一段文字的词或短语。先打开 Space，试一小段文字，看看关键词是否和你自己会选的一致。

如果你熟悉这个领域，KeyBERT 会按候选短语的嵌入与整段文本的嵌入有多接近来给它们排序。所以结果取决于模型和设置，而记录没有给出参数或准确率数据。

你把一段文本交给应用
应用找出候选的词和短语
把每一个和整段文本比较
页面显示最匹配的几个

注意事项：

• License: MIT，Space 上就是这样标注的
• Cost to run: 未提及
• Data it reaches: 你提供的文本，以及它所列的 DebateSum 数据集
• Not for: 记录没有列出排除项，也没有给出准确率数据

Hugging Face 上的数据（2026年11月13日）

• 点赞：2
• 构建方式：streamlit
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/Hellisotherpeople/HF-KeyBERT
• 文件：https://huggingface.co/spaces/Hellisotherpeople/HF-KeyBERT/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。