快捷導(dǎo)航

C#中使用jieba.NET、WordCloudSharp制作詞云圖的步驟

更新時(shí)間：2021年07月25日 08:45:46 作者：time-flies

之前一篇文章介紹的是使用Python的jieba、wordcloud的庫(kù)生成詞云圖，本文則介紹在C#中如何使用jieba.NET、WordCloudSharp庫(kù)生成詞云圖，感興趣的朋友一起看看吧

詞云簡(jiǎn)介

“詞云”由美國(guó)西北大學(xué)新聞學(xué)副教授、新媒體專業(yè)主任里奇·戈登（Rich Gordon）于2006年最先使用，是通過(guò)形成“關(guān)鍵詞云層”或“關(guān)鍵詞渲染”，對(duì)文本中出現(xiàn)頻率較高的“關(guān)鍵詞”的視覺上的突出。
網(wǎng)上大部分文章介紹的是使用Python的jieba、wordcloud的庫(kù)生成詞云圖，本文則介紹在C#中如何使用jieba.NET、WordCloudSharp庫(kù)生成詞云圖，后者是前者的.NET實(shí)現(xiàn)。

準(zhǔn)備工作

創(chuàng)建一個(gè)C#的控制臺(tái)項(xiàng)目，通過(guò)NuGet添加引用對(duì)jieba.NET、WordCloudSharp的引用，使用方法可以參考以下鏈接：

jieba.NET：https://github.com/anderscui/jieba.NET
WordCloudSharp：https://github.com/AmmRage/WordCloudSharp

安裝之后，在packages\jieba.NET目錄下找到Resources目錄，將整個(gè)Resources目錄拷貝到程序集所在目錄，這里面是jieba.NET運(yùn)行所需的詞典及其它數(shù)據(jù)文件。

基本算法

算法主要步驟如下：

提取關(guān)鍵詞：基于TF-IDF算法、TextRank算法提取文本的關(guān)鍵詞，按權(quán)重大小選取部分關(guān)鍵詞。
統(tǒng)計(jì)關(guān)鍵詞詞頻：先將文本分詞，統(tǒng)計(jì)每個(gè)詞的詞頻，再篩選出關(guān)鍵詞的詞頻。
生成詞云圖：根據(jù)關(guān)鍵詞及其詞頻信息在蒙版圖片的基礎(chǔ)上生成詞圖。

注：本文采用TF-IDF算法提取關(guān)鍵詞，蒙版圖目前只支持黑白圖片。

TF-IDF（詞頻-逆文檔頻率）算法是一種統(tǒng)計(jì)方法，用以評(píng)估一字詞對(duì)于一個(gè)文件集或一個(gè)語(yǔ)料庫(kù)中的其中一份文件的重要程度。字詞的重要性隨著它在文件中出現(xiàn)的次數(shù)成正比增加，但同時(shí)會(huì)隨著它在語(yǔ)料庫(kù)中出現(xiàn)的頻率成反比下降。

算法實(shí)現(xiàn)

使用JiebaNet.Analyser.TfidfExtractor.ExtractTagsWithWeight(string text, int count = 20, IEnumerable allowPos = null)從指定文本中抽取關(guān)鍵詞的同時(shí)得到其權(quán)重，代碼如下：

/// <summary>
/// 從指定文本中抽取關(guān)鍵詞的同時(shí)得到其權(quán)重
/// </summary>
/// <param name="text"></param>
/// <returns></returns>
static WordWeightPair[] ExtractTagsWithWeight(string text)
{
    var extractor = new TfidfExtractor();
    var wordWeight = extractor.ExtractTagsWithWeight(text, 50);
    StringBuilder sbr = new StringBuilder();
    sbr.Append("詞語(yǔ)");
    sbr.Append(",");
    sbr.Append("權(quán)重");
    sbr.AppendLine(",");
    foreach (var item in wordWeight)
    {
        sbr.Append(item.Word);
        sbr.Append(",");
        sbr.Append(item.Weight);
        sbr.AppendLine(",");
    }
    string filename = "關(guān)鍵詞權(quán)重統(tǒng)計(jì).csv";
    File.WriteAllText(filename, sbr.ToString(), Encoding.UTF8);
    Console.WriteLine("關(guān)鍵詞提取完成：" + filename);
    return wordWeight.ToArray();
}

使用JiebaNet.Segmenter.Common下的Counter類統(tǒng)計(jì)詞頻，其實(shí)現(xiàn)來(lái)自Python標(biāo)準(zhǔn)庫(kù)的Counter類（具體接口和實(shí)現(xiàn)細(xì)節(jié)略有不同），代碼如下：

/// <summary>
/// 分詞并統(tǒng)計(jì)詞頻：默認(rèn)為精確模式，同時(shí)也使用HMM模型
/// </summary>
/// <param name="text"></param>
/// <param name="wordWeightAry"></param>
/// <returns></returns>
static KeyValuePair<string, int>[] Counter(string text, WordWeightPair[] wordWeightAry)
{
    var segmenter = new JiebaSegmenter();
    var segments = segmenter.Cut(text);
    var freqs = new Counter<string>(segments);
    KeyValuePair<string, int>[] countAry = new KeyValuePair<string, int>[wordWeightAry.Length];
    for (int i = 0; i < wordWeightAry.Length; i++)
    {
        string key = wordWeightAry[i].Word;
        countAry[i] = new KeyValuePair<string, int>(key, freqs[key]);
    }
    StringBuilder sbr = new StringBuilder();
    sbr.Append("詞語(yǔ)");
    sbr.Append(",");
    sbr.Append("詞頻");
    sbr.AppendLine(",");
    foreach (var pair in countAry)
    {
        sbr.Append(pair.Key);
        sbr.Append(",");
        sbr.Append(pair.Value);
        sbr.AppendLine(",");
    }
    string filename = "詞頻統(tǒng)計(jì)結(jié)果.csv";
    File.WriteAllText(filename, sbr.ToString(), Encoding.UTF8);
    Console.WriteLine("詞頻統(tǒng)計(jì)完成：" + filename);
    return countAry;
}

使用WordCloudSharp生成詞云圖，蒙版圖必須使用黑白圖片，記得手動(dòng)引用System.Drawing，代碼如下：

/// <summary>
/// 創(chuàng)建詞云圖
/// </summary>
/// <param name="countAry"></param>
static void CreateWordCloud(KeyValuePair<string, int>[] countAry)
{            
    string markPath = "mask.jpg";
    string resultPath = "result.jpg";
    Console.WriteLine("開始生成圖片，讀取蒙版：" + markPath);
    Image mask = Image.FromFile(markPath);
    //使用蒙版圖片
    var wordCloud = new WordCloud(mask.Width, mask.Height, mask: mask, allowVerical: true, fontname: "YouYuan");
    //不使用蒙版圖片
    //var wordCloud = new WordCloud(1000, 1000,false, null,-1,1,null, false);
    var result = wordCloud.Draw(countAry.Select(it => it.Key).ToList(), countAry.Select(it => it.Value).ToList());
    result.Save(resultPath);
    Console.WriteLine("圖片生成完成，保存圖片：" + resultPath);
}

運(yùn)行測(cè)試

以本文為分析文本生成詞云圖，代碼如下：

static void Main(string[] args)
{
    string text = File.ReadAllText("待處理數(shù)據(jù).txt");
    var wordWeight = ExtractTagsWithWeight(text);
    var wordFreqs = Counter(text, wordWeight);
    CreateWordCloud(wordFreqs);
    Console.Read();
}

蒙版圖如下：