python資料分析關鍵字提取

tf-idf（term frequencey-inverse document frequency）指詞頻-逆文件頻率，它屬於數值統計的範疇。使用tf-idf，我們能夠學習乙個詞對於資料集中的乙個文件的重要性。

tf-idf有兩部分，詞頻和逆文件頻率。首先介紹詞頻，這個詞很直觀，詞頻表示每個詞在文件或資料集**現的頻率。等式如下：

tf(t)=詞t在一篇文件**現的次數/這篇文件的總詞數

第二部分——逆文件頻率實際上告訴了我們乙個單詞對文件的重要性。這是因為當計算tf的時候，我們對每個詞賦予了同等的重要性，它出現得越多，它的tf就越高，如果它出現了100次，也許相比其他出現更少的詞，它並不攜帶那麼多資訊，因此我們需要賦予它們權重，決定每個詞的重要性。使用下面的等式得到idf：

idf(t)=(log10文件的篇數/包含詞t文件的篇數)

那麼，計算tf-idf的方法如下：

tf * idf=(詞t在一篇文件**現的次數/這篇文件的總詞數)* log10(文件的篇數/包含詞t文件的篇數)

tf-idf可以應用於如下場景：

如果你正開發乙個文字摘要應用，並正在進行統計，tf-idf是生成摘要最重要的特徵。

tf-idf權重的變動常用於搜尋引擎，以求出文件的得分以及同使用者檢索的相關性。

文字分類應用將tf-idf和bow一起使用。

把給定的文字t按照完整句子進行分割，即

根據上面公式，迭代傳播各節點的權重，直至收斂。

# 導入庫
import jieba.analyse  # 匯入關鍵字提取庫
import pandas as pd  # 匯入pandas
import news*****
# 讀取文字資料
# 獲取文章 銀保監會出台新政為例
article = news*****.article(
'', language=
'zh'
)article.download(
)# 解析文章
article.parse(
)# 對文章進行nlp處理
article.nlp(
)# nlp處理後的文章拼接
string_data =
"".join(article.keywords)
# 關鍵字提取
defget_key_words
(string_data, how='')
:# topk：提取的關鍵字數量，不指定則提取全部；
# withweight：設定為true指定輸出詞對應的if-idf權重
if how ==
'textrank'
:# 使用textrank 演算法
tags_pairs = jieba.analyse.textrank(string_data,  topk=
5,  withweight=
true
)# 提取關鍵字標籤
else
:# 使用tf-idf 演算法
tags_pairs = jieba.analyse.extract_tags(string_data,  topk=
5,  withweight=
true
)# 提取關鍵字標籤
tags_list =
# 空列表用來儲存拆分後的三個值
for i in tags_pairs:
# 列印標籤、分組和tf-idf權重
(i[0
], i[1]
))# 拆分三個字段值
tags_pd = pd.dataframe(tags_list, columns=
['word'
,'weight'])
# 建立資料框
return tags_pd
keywords = get_key_words(string_data)
print
("#####################tf-idf####################"
)print
(keywords)
keywords_tr = get_key_words(string_data, how=
'textrank'
)print
("#####################textrank####################"
)print
(keywords_tr)

結果如下：

#####################tf-idf#################### word weight 0 民營企業 0.327466 1 貸款 0.112652 2 融資 0.089557 3 商業銀行 0.084860 4 服務 0.072322 #####################textrank#################### word weight 0 民營企業 1.000000 1 要 0.553043 2 貸款 0.493173 3 融資 0.379846

4 服務 0.371273

python資料分析關鍵字提取

python 關鍵字提取

關鍵字 EXCEL關鍵字提取

關鍵字 php提取關鍵字中文分詞

python資料分析 關鍵字提取

python 關鍵字提取

關鍵字 EXCEL關鍵字提取

關鍵字 php提取關鍵字中文分詞

相關推薦

python資料分析關鍵字提取