文本分析--校园新闻:关键词获取
来源:互联网 发布:sql 日期变量 编辑:程序博客网 时间:2024/06/05 16:22
新闻数据:
每行都是一个文档,并且已经进行了分词和停用词处理。
# -*-coding:utf-8-*-import unioutimport jieba.analysefrom sklearn import feature_extractionfrom sklearn.feature_extraction.text import TfidfTransformerfrom sklearn.feature_extraction.text import CountVectorizer""" TF-IDF权重: 1、CountVectorizer 构建词频矩阵 2、TfidfTransformer 构建tfidf权值计算 3、文本的关键字 4、对应的tfidf矩阵 """# 读取文件def read_news(): news = open('news.txt').read() return news# jieba分词器通过词频获取关键词def jieba_keywords(news): keywords = jieba.analyse.extract_tags(news, topK=10) print keywordsdef tfidf_keywords(): # 00、读取文件,一行就是一个文档,将所有文档输出到一个list中 corpus = [] for line in open('news.txt', 'r').readlines(): corpus.append(line) # 01、构建词频矩阵,将文本中的词语转换成词频矩阵 vectorizer = CountVectorizer() # a[i][j]:表示j词在第i个文本中的词频 X = vectorizer.fit_transform(corpus) print X # 词频矩阵 # 02、构建TFIDF权值 transformer = TfidfTransformer() # 计算tfidf值 tfidf = transformer.fit_transform(X) # 03、获取词袋模型中的关键词 word = vectorizer.get_feature_names() # tfidf矩阵 weight = tfidf.toarray() # 打印特征文本 print len(word) for j in range(len(word)): print word[j] # 打印权重 for i in range(len(weight)): for j in range(len(word)): print weight[i][j] # print '\n'if __name__ == '__main__': news = read_news() jieba_keywords(news) tfidf_keywords()
结果:
0 0
- 文本分析--校园新闻:关键词获取
- 文本分析--校园新闻:聚类
- 文本分析--关键词获取(jieba分词器,TF-IDF模型)
- 贝叶斯案例3:文本关键词提取、新闻分类(python实现)
- 基于贝叶斯算法文本分析之新闻分类
- 关键词分析!
- 淮师2017校园新闻爬取&&WordCloud年度词云分析
- 文本关键词提取算法
- 统计文本关键词频数
- 文本关键词提取算法
- 文本关键词提取算法
- 文本关键词提取算法
- 新闻文本聚类
- 中文新闻文本分类
- 新闻内容中对关键词添加连接
- 利用FudanNLP进行新闻关键词提取
- 利用ictclas进行新闻关键词提取
- 利用Ansj进行新闻关键词提取
- 动态的添加、删除表单
- 解决phantomjs截图失败,phantom.exit位置
- 漫谈现代专利
- 马斯克创办新公司:致力于实现“人机共生生命体”
- MyBatis 关联映射之一对一
- 文本分析--校园新闻:关键词获取
- python安装虚拟环境
- spring+quartz分布式配置
- python-垃圾回收机制
- 在服务器上的LNMP环境搭建
- 最长上升子序列LIS模板
- 怎样找到一份深度学习的工作(附学习材料,资源与建议)
- java script基础知识
- 浅谈web应用的负载均衡、集群、高可用(HA)解决方案