Guarda, ci sono mille modi per farlo, sta alla tua fantasia.
Puoi sviluppare un algoritmo semplicissimo che conta la ricorrenza delle parole. Poi puoi escludere quelle più corte di 4 caratteri (per rimuovere eventuali articoli).
E avresti già una versione base. Poi puoi sbizzarrirti a migliorarlo in mille modi: togliere tutti i verbi (per l'infinito è semplice, basta togliere le parole che finiscono in are/ere/ire), dare un'importanza diversa alle parole maiuscole in mezzo alle frasi (e non dopo il punto) oppure a quelle di un eventuale titolo (nel titolo di solito c'è l' "essenza" del contenuto), e via dicendo. Usa la fantasia.

Alla fine puoi sempre mettere una sfilza di checkbox in modo che scegli comunque tu quali mettere e quali no.