NLP--关键词

       在去停用词后的文本中进行词频统计和关键词统计以及词云图显示,来进行文本的关键词提取,让人一目了然。

1.词频统计

       统计文本中多次出现的词语,来寻找文章中的关键词,因为多次出现很可能就是关键内容。调用统计数量的Counter库和用来分词的jieba库。观察出现次数最多的十个词中,两个字以上的词语都有哪些?他们出现的次数分别是多少?

2.关键词统计:有TF-IDF算法和textrank算法。

       TF-IDF是评估一个词语对于一篇文档或一个语料库中的一篇文档的重要程度。词语的重要性与它在文档中出现的次数成正比,但与它在语料库中出现的频率成反比。调用jieba库,使用jieba.analyse函数的jieba.analyse.extract_tags进行关键词提取。

       textrank是一种基于图的排序算法,用于关键词的提取和文档摘要。该算法是从谷歌的网页重要性排序算法pagerank改进来的。调用jieba库,使用jieba.analyse函数的jieba.analyse.textrank进行关键词提取。

3.词云

      词云通过文本预处理,词频统计,将高频词以图片形式进行色彩渲染三个步骤。词云生成需要调用matplotlib库进行词云绘制,jieba库进行分词和关键词提取,词云生成器wordcloud,对该生成器需要进行相关配置就可以生成相应的词云。其中,需要根据不同的环境设置相应的字体。

 

 

 

相关推荐

  1. NLP--关键词

    2024-06-08 14:34:03       11 阅读
  2. NLP技术

    2024-06-08 14:34:03       21 阅读
  3. 关键词提取

    2024-06-08 14:34:03       39 阅读

最近更新

  1. TCP协议是安全的吗?

    2024-06-08 14:34:03       16 阅读
  2. 阿里云服务器执行yum,一直下载docker-ce-stable失败

    2024-06-08 14:34:03       16 阅读
  3. 【Python教程】压缩PDF文件大小

    2024-06-08 14:34:03       15 阅读
  4. 通过文章id递归查询所有评论(xml)

    2024-06-08 14:34:03       18 阅读

热门阅读

  1. SQL中的增删改查入门教程

    2024-06-08 14:34:03       9 阅读
  2. ES各种分页方式及其优缺点对比

    2024-06-08 14:34:03       8 阅读
  3. 【求助】ansible synchronize 问题

    2024-06-08 14:34:03       9 阅读
  4. php翻车集锦

    2024-06-08 14:34:03       5 阅读
  5. windows php8.1 安装imagick识别不到扩展

    2024-06-08 14:34:03       6 阅读