温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

python中怎么利用jieba模块提取关键词

发布时间:2021-08-10 11:25:38 来源:亿速云 阅读:505 作者:Leah 栏目:大数据

python中怎么利用jieba模块提取关键词,相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。

   1.读取一个用户的全部数据时,注意区分read(), readline()和readlines()的区别,read()读取文件全部内容并存在一个字符串变量中,readline()每次只读取文件里面的一行,readlines()返回一个行的列表。

   2.注意将一个列表以字符串表达的写法:','.join(list).例如:list = [1,2,3],则可输出1,2,3

代码如下:

python中怎么利用jieba模块提取关键词

文本分析--关键词获取(jieba分词器,TF-IDF模型)

关键词获取可以通过两种方式来获取: 
      1、在使用jieba分词对文本进行处理之后,可以通过统计词频来获取关键词:jieba.analyse.extract_tags(news, topK=10),获取词频在前10的作为关键词。 
      2、使用TF-IDF权重来进行关键词获取,首先需要对文本构建词频矩阵,其次才能使用向量求TF-IDF值。

# -*-coding:utf-8-*-

import uniout  # 编码格式,解决中文输出乱码问题
import jieba.analyse
from sklearn import feature_extraction
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.feature_extraction.text import CountVectorizer

"""
      TF-IDF权重:
          1、CountVectorizer 构建词频矩阵
          2、TfidfTransformer 构建tfidf权值计算
          3、文本的关键字
          4、对应的tfidf矩阵
"""

# 读取文件
def read_news():
   news = open('news.txt').read()
   return news


# jieba分词器通过词频获取关键词
def jieba_keywords(news):
   keywords = jieba.analyse.extract_tags(news, topK=10)
   print keywords

def tfidf_keywords():
   # 00、读取文件,一行就是一个文档,将所有文档输出到一个list中
   corpus = []
   for line in open('news.txt', 'r').readlines():
       corpus.append(line)

   # 01、构建词频矩阵,将文本中的词语转换成词频矩阵
   vectorizer = CountVectorizer()
   # a[i][j]:表示j词在第i个文本中的词频
   X = vectorizer.fit_transform(corpus)
   print X  # 词频矩阵

   # 02、构建TFIDF权值
   transformer = TfidfTransformer()
   # 计算tfidf值
   tfidf = transformer.fit_transform(X)

   # 03、获取词袋模型中的关键词
   word = vectorizer.get_feature_names()

   # tfidf矩阵
   weight = tfidf.toarray()

   # 打印特征文本
   print len(word)
   for j in range(len(word)):
       print word[j]

   # 打印权重
   for i in range(len(weight)):
       for j in range(len(word)):
           print weight[i][j]
           # print '\n'


if __name__ == '__main__':
   news = read_news()
   jieba_keywords(news)
   tfidf_keywords()
   

看完上述内容,你们掌握python中怎么利用jieba模块提取关键词的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注亿速云行业资讯频道,感谢各位的阅读!

向AI问一下细节

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

AI