C#中使用jieba.NET、WordCloudSharp制作詞云圖的步驟

更新時間：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的庫生成詞云圖，本文則介紹在C#中如何使用jieba.NET、WordCloudSharp庫生成詞云圖，感興趣的朋友一起看看吧

詞云簡介

“詞云”由美國西北大學新聞學副教授、新媒體專業(yè)主任里奇·戈登（Rich Gordon）于2006年最先使用，是通過形成“關鍵詞云層”或“關鍵詞渲染”，對文本中出現(xiàn)頻率較高的“關鍵詞”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的庫生成詞云圖，本文則介紹在C#中如何使用jieba.NET、WordCloudSharp庫生成詞云圖，后者是前者的.NET實現(xiàn)。

準備工作

創(chuàng)建一個C#的控制臺項目，通過NuGet添加引用對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Resources目錄拷貝到程序集所在目錄，這里面是jieba.NET運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：

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

注：本文采用TF-IDF算法提取關鍵詞，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)計方法，用以評估一字詞對于一個文件集或一個語料庫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，但同時會隨著它在語料庫中出現(xiàn)的頻率成反比下降。

算法實現(xiàn)

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

/// <summary>
/// 從指定文本中抽取關鍵詞的同時得到其權重
/// </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");
    sbr.Append(",");
    sbr.Append("權重");
    sbr.AppendLine(",");
    foreach (var item in wordWeight)
    {
        sbr.Append(item.Word);
        sbr.Append(",");
        sbr.Append(item.Weight);
        sbr.AppendLine(",");
    }
    string filename = "關鍵詞權重統(tǒng)計.csv";
    File.WriteAllText(filename, sbr.ToString(), Encoding.UTF8);
    Console.WriteLine("關鍵詞提取完成：" + filename);
    return wordWeight.ToArray();
}

使用JiebaNet.Segmenter.Common下的Counter類統(tǒng)計詞頻，其實現(xiàn)來自Python標準庫的Counter類（具體接口和實現(xiàn)細節(jié)略有不同），代碼如下：

/// <summary>
/// 分詞并統(tǒng)計詞頻：默認為精確模式，同時也使用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");
    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)計結果.csv";
    File.WriteAllText(filename, sbr.ToString(), Encoding.UTF8);
    Console.WriteLine("詞頻統(tǒng)計完成：" + 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);
}

運行測試

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：