Python基于词频排序实现快速挖掘关键词
一、所有的代码
这是所有的代码
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、实现的效果
keyword.txt
如下图:
有50万的关于pdf的关键词数据
最后的输出result.txt
就是将里面的含有关键词相同的句子统一输出出来:
这里会将一个句子的3个关键词输出出来 关键词是根据词频排序的。
最后将所有关键词一样的句子组合在一起,就可以知道这些句子表达的意思大致一致
三、代码解读
keyword_list
是从keyword.txt读取到的所有的句子
not_flag
是要排除的标记,不统计这些标记
not_word
是要排除的单词,不统计这些单词
keyword_split
是句子对应到他的所有单词的字典,key是句子,value是他的所有单词的集合
word_count
是所有的拆分后的单词的次数的字典,key是单词,value是单词出现的次数
id_keyword_list
是一个字典,它的key是一个字符串 value是列表
id_count
是一个字典,它的key是一个字符串,value是int
最后对id_count处理 将结果输出出来
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('')
到此这篇关于Python基于词频排序实现快速挖掘关键词的文章就介绍到这了,更多相关Python挖掘关键词内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
相关文章
使用Python3 Boto3包删除AWS CloudFormation的栈(Stacks)
这篇文章主要介绍了如何使用Python3 Boto3删除AWS CloudFormation的栈(Stacks),本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2024-01-01Pyramid将models.py文件的内容分布到多个文件的方法
默认的Pyramid代码结构中,就只有一个models.py文件,在实际项目中,如果需要对models进行分类,放到不同文件下,应该怎么办2013-11-11一文搞懂python可迭代对象,迭代器,生成器,协程
这篇文章主要介绍了一文搞懂python可迭代对象,迭代器,生成器,协程,微博吱嘎部分围绕主题展开详细介绍,需要的小伙伴可以参考一下2022-05-05浅谈Python中threading join和setDaemon用法及区别说明
这篇文章主要介绍了浅谈Python中threading join和setDaemon用法及区别说明,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2020-05-05
最新评论