文本关键词提取算法有多种，以下列举几种常见的方法：

1. 基于词频的TF-IDF算法：该算法通过计算词语在文档中出现的频率，评估词语的重要性。TF-IDF算法认为文档中频繁出现的词语对文档的代表性较低，而稀有出现的词语则更具代表性。
2. 基于词图的PageRank算法：PageRank算法通过分析词语之间的链接关系，构建词图模型，并根据词语在词图中的位置和连接情况，评估词语的重要性。
3. 基于主题模型的LDA算法：LDA算法通过潜在狄利克雷分布（Latent Dirichlet Allocation）分析文档的主题分布，并根据主题分布评估词语的重要性。
4. 基于词跨度的词频算法：该算法通过计算词语在不同文档中的跨度，评估词语的重要性。词跨度算法认为文档间重复出现的词语对文档的代表性较低，而跨度较大的词语则更具代表性。
5. 基于互信息的词频算法：该算法通过计算词语之间的互信息，评估词语间的相关性。互信息算法认为文档中相互依赖的词语对文档的代表性较高。

这些算法都有其独特的优点和适用场景，可以根据实际需求选择合适的算法。