日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當前位置: 首頁 > 编程语言 > python >内容正文

python

python idf_python计算idf

發布時間:2024/8/1 python 25 豆豆
生活随笔 收集整理的這篇文章主要介紹了 python idf_python计算idf 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

#-*- encoding:utf-8 -*-

import jieba

import jieba.analyse

import json

import codecs

import math

'''

計算得到idf文件

求idf得步驟:

1、對所有文檔進行分詞,去停用詞,結果放入二維list,其中每個元素是set

1、得到文檔數目;生成所有詞的set

2、對每個詞計算idf:idf = log(n / docs(w, D))

'''

def loadData(path):

'''

加載數據,解析json格式

:param path:

:return:

'''

json_str = codecs.open(path, 'r', 'utf8').read()

json_data = json.loads(json_str)

return json_data

def seg(content, stopwords):

'''

分詞并去除停用詞

'''

segs = jieba.cut(content, cut_all=True)

segs = [w.encode('utf8') for w in list(segs)]# 特別注意此處轉換

seg_set = set(set(segs) - set(stopwords))

return seg_set

def docs(w, D):

c = 0

for d in D:

if w in d:

c = c + 1;

return c

def save(idf_dict, path):

f = file(path, "a+")

f.truncate()

# write_list = []

for key in idf_dict.keys():

# write_list.append(str(key)+" "+str(idf_dict[key]))

f.write(str(key) + " " + str(idf_dict[key]) + "\n")

f.close()

def compute_idf(json_data, stopwords):

# 所有分詞后文檔

D = []

#所有詞的set

W = set()

for i in range(len(json_data)):

#新聞原始數據

prevue = json_data[i]["prevue"]

d = seg(prevue, stopwords)

D.append(d)

W = W | d

#計算idf

idf_dict = {}

n = len(W)

#idf = log(n / docs(w, D))

for w in list(W):

idf = math.log(n*1.0 / docs(w, D))

idf_dict[w] = idf

return idf_dict

path = 'D:/dev_data/yuetu_tag/news_tag/id_tag_news'

json_data = loadData(path)

#獲取停用詞

stopwords = {}.fromkeys([ line.rstrip() for line in open("../extra_dict/stop_words.txt") ])

#得到idf的字典

idf_dict = compute_idf(json_data, stopwords)

#存儲

path = "../extra_dict/idf.txt"

save(idf_dict, path)

總結

以上是生活随笔為你收集整理的python idf_python计算idf的全部內容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯,歡迎將生活随笔推薦給好友。