最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Python基于詞頻排序?qū)崿F(xiàn)快速挖掘關(guān)鍵詞

 更新時間:2023年03月03日 15:57:50   作者:虛壞叔叔  
這篇文章主要為大家詳細(xì)介紹了Python如何基于詞頻排序?qū)崿F(xiàn)快速挖掘關(guān)鍵詞功能,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以了解一下

一、所有的代碼

這是所有的代碼

from collections import defaultdict
import jieba.posseg as jp

with open('keyword.txt','r',encoding='utf-8') as file:
	keyword_list = file.read().split('\n')

not_flag = set(['w','x','y','z','un','m'])
not_word = set(['的','是','有','啊','呢','么','好'])

keyword_split = dict()
word_count = defaultdict(int)
for keyword in keyword_list:
	word_set = set()
	for word,flag in jp.cut(keyword):
		if flag in not_flag:
			continue
		if word in not_word:
			continue
		if word == 'pdf' or word == 'PDF':
			continue

		word_count[word] += 1
		word_set.add(word)

	keyword_split[keyword] = word_set

id_keyword_list = defaultdict(list)
id_count = defaultdict(int)
for keyword,word_set in keyword_split.items():
	word_sort = dict()
	for word in word_set:
		word_sort[word] = word_count[word]

	word_sort = sorted(word_sort.items(),key=lambda x:x[1],reverse=True)
	word_id = ','.join([word for word,count in word_sort[0:3]])

	id_keyword_list[word_id] += [keyword]
	id_count[word_id] += 1

result = []
id_count = sorted(id_count.items(),key=lambda x:x[1],reverse=True)
for word_id,count in id_count:
	if count < 3:
		continue
	for keyword in id_keyword_list[word_id]:
		result.append('%s\t%s' % (keyword,word_id))
	result.append('')

with open('result.txt','wb') as file:
	file.write('\n'.join(result).encode('utf-8'))

二、實現(xiàn)的效果

keyword.txt如下圖:

有50萬的關(guān)于pdf的關(guān)鍵詞數(shù)據(jù)

最后的輸出result.txt 就是將里面的含有關(guān)鍵詞相同的句子統(tǒng)一輸出出來:

這里會將一個句子的3個關(guān)鍵詞輸出出來 關(guān)鍵詞是根據(jù)詞頻排序的。

最后將所有關(guān)鍵詞一樣的句子組合在一起,就可以知道這些句子表達(dá)的意思大致一致

三、代碼解讀

keyword_list 是從keyword.txt讀取到的所有的句子

not_flag 是要排除的標(biāo)記,不統(tǒng)計這些標(biāo)記

not_word 是要排除的單詞,不統(tǒng)計這些單詞

keyword_split 是句子對應(yīng)到他的所有單詞的字典,key是句子,value是他的所有單詞的集合

word_count 是所有的拆分后的單詞的次數(shù)的字典,key是單詞,value是單詞出現(xiàn)的次數(shù)

id_keyword_list 是一個字典,它的key是一個字符串 value是列表

id_count 是一個字典,它的key是一個字符串,value是int

最后對id_count處理 將結(jié)果輸出出來

id_count = sorted(id_count.items(), key=lambda x: x[1], reverse=True)
for word_id, count in id_count:
    if count < 3:
        continue
    for keyword in id_keyword_list[word_id]:
        result.append('%s\t%s' % (keyword, word_id))
    result.append('')

到此這篇關(guān)于Python基于詞頻排序?qū)崿F(xiàn)快速挖掘關(guān)鍵詞的文章就介紹到這了,更多相關(guān)Python挖掘關(guān)鍵詞內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

最新評論

沁源县| 密山市| 盘山县| 商丘市| 榕江县| 郎溪县| 石景山区| 卓尼县| 凉城县| 阿尔山市| 海晏县| 怀柔区| 正镶白旗| 东乌珠穆沁旗| 铜鼓县| 阜新| 安顺市| 贡山| 满城县| 栖霞市| 荆州市| 杭锦后旗| 博罗县| 五华县| 陈巴尔虎旗| 江安县| 嘉禾县| 察雅县| 湟中县| 营口市| 通化市| 深州市| 盐边县| 大悟县| 阿克陶县| 五华县| 信阳市| 光泽县| 普兰店市| 长宁区| 敦化市|