Python基于詞頻排序?qū)崿F(xiàn)快速挖掘關(guān)鍵詞
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(shí)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(gè)句子的3個(gè)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(jì)這些標(biāo)記
not_word
是要排除的單詞,不統(tǒng)計(jì)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(gè)字典,它的key是一個(gè)字符串 value是列表
id_count
是一個(gè)字典,它的key是一個(gè)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
如何使用selenium和requests組合實(shí)現(xiàn)登錄頁面
這篇文章主要介紹了如何使用selenium和requests組合實(shí)現(xiàn)登錄頁面,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-02-02使用Python3?Boto3包刪除AWS?CloudFormation的棧(Stacks)
這篇文章主要介紹了如何使用Python3?Boto3刪除AWS?CloudFormation的棧(Stacks),本文給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2024-01-01Python實(shí)現(xiàn)對word文檔添加密碼去除密碼的示例代碼
這篇文章主要介紹了Python實(shí)現(xiàn)對word文檔添加密碼去除密碼,本文通過實(shí)例代碼給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-12-12Pyramid將models.py文件的內(nèi)容分布到多個(gè)文件的方法
默認(rèn)的Pyramid代碼結(jié)構(gòu)中,就只有一個(gè)models.py文件,在實(shí)際項(xiàng)目中,如果需要對models進(jìn)行分類,放到不同文件下,應(yīng)該怎么辦2013-11-11使用Pandas計(jì)算系統(tǒng)客戶名稱的相似度
在日常業(yè)務(wù)處理中,我們經(jīng)常會面臨將不同系統(tǒng)中的數(shù)據(jù)進(jìn)行匹配和比對的情況,本文將介紹如何使用Python的Pandas庫來處理這個(gè)問題,需要的可以參考一下2023-07-07一文搞懂???????python可迭代對象,迭代器,生成器,協(xié)程
這篇文章主要介紹了一文搞懂???????python可迭代對象,迭代器,生成器,協(xié)程,微博吱嘎部分圍繞主題展開詳細(xì)介紹,需要的小伙伴可以參考一下2022-05-05python 調(diào)試?yán)渲R(小結(jié))
這篇文章主要介紹了python 調(diào)試?yán)渲R(小結(jié)),文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-11-11淺談Python中threading join和setDaemon用法及區(qū)別說明
這篇文章主要介紹了淺談Python中threading join和setDaemon用法及區(qū)別說明,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05