推广 热搜: page  使用  音视频  个数  选择  搜索引擎  企业  百度  可以  父亲 

自然语言文本处理-提取关键词

   日期:2024-12-30     作者:xql06    caijiyuan   评论:0    移动:http://ww.kub2b.com/mobile/news/15937.html
核心提示:使用tf-idf进行前20个关键词提取 import jiebaimport mathimport operatorclass homework():def file(self,n): #预处理file_path

使用tf-idf进行前20个关键词提取

import jieba
import math
import operator
class homework():
    def file(self,n):   #预处理
        file_path = n
        f=''
        stopwords = [line.strip() for line in open("E:/nlpproject/baidu_stopwords.txt", encoding='utf-8').read()]
        sign = ['', '~', ', '@', '', '……', ',', '', '*', '“', '”', '‘',
                '’', '', '{', '}','【', '】', '', '', '「', '', '」',
                '。', '-', '、', '',  '《','》',  '
', '④', '',' ', '', '', ':', '.']
        with open(file_path, "r", encoding="utf-8") as pf:
            f = f+pf.read()
            for char in sign:
                f = f.replace(char, "")
            words = jieba.lcut(f, cut_all=False, HMM=True)
        if words not in stopwords:
            words.append(words)
        return words

    def high_frequency(self, word_list1, word_list2):  #TF-IDF,找出两篇文章的关键词
        word1 = word_list1
        word2 = word_list2
        counts = {}
        TF = {}
        IDF = {}
        TF_IDF = {}
        sum_word = 0
        for word in word1:
            counts[word] = counts.get(word, 0) + 1
            sum_word = sum_word + 1  # 文章的总词数

        for word in word1:
            # 计算TF
            TF[word] = counts[word] / sum_word
            if word in word2:
                IDF[word] = math.log(2 / 2)
            else:
                IDF[word] = math.log(2 / 1)
        for word in word1:
            TF_IDF[word] = TF[word] * IDF[word]
        TF_IDF = sorted(TF_IDF.items(), key=operator.itemgetter(1), reverse=True)

自然语言文本处理-提取关键词

# TF_IDF已经由字典变成列表 print('该文章的前20个关键词为') for i in range(20): print(TF_IDF[i]) TF_IDF = dict(TF_IDF) if __name__ == '__main__': n1='E:/nlpproject/text1.txt' n2='E:/nlpproject/text2.txt' b = homework() print(b.file(n1)) print(b.file(n2))
本文地址:http://ww.kub2b.com/news/15937.html     企库往 http://ww.kub2b.com/ ,  查看更多

特别提示:本信息由相关用户自行提供,真实性未证实,仅供参考。请谨慎采用,风险自负。

 
 
更多>同类最新文章
0相关评论

文章列表
相关文章
最新动态
推荐图文
最新文章
点击排行
网站首页  |  关于我们  |  联系方式  |  使用协议  |  版权隐私  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  网站留言  |  RSS订阅  |  违规举报  |  鄂ICP备2020018471号