新人小菜鳥又來寫部落格啦！！！沒人表示不開心~~(>_<)~~
今天我來弄一個簡單的關鍵詞提取的代碼
文章内容關鍵詞的提取分為三大步：
（1） 分詞
（2） 去停用詞
（3） 關鍵詞提取
分詞方法有很多，我這裡就選擇常用的結巴jieba分詞；去停用詞，我用了一個停用詞表。
具體代碼如下：
import jieba
import jieba.analyse
#第一步：分詞，這裡使用結巴分詞全模式
text = '''新聞，也叫消息，是指報紙、電台、電視台、網際網路經常使用的記錄社會、傳播資訊、反映時代的一種文體，具有真實性、時效性、簡潔性、可讀性、準确性的特點。新聞概念有廣義與狹義之分。就其廣義而言，除了發表于報刊、廣播、電視上的評論與專文外的常用文本都屬于新聞之列，包括消息、通訊、特寫、速寫（有的将速寫納入特寫之列）等等。狹義的新聞則專指消息，消息是用概括的叙述方式，比較簡明扼要的文字，迅速及時地報道國内外新近發生的、有價值的的事實。新聞也分公衆新聞和小道新聞等。每則新聞在結構上，一般包括标題、導語、主體、背景和結語五部分。前三者是主要部分，後二者是輔助部分。寫法上主要是叙述，有時兼有議論、描寫、評論等。
'''
fenci_text = jieba.cut(text)
#print("/ ".join(fenci_text))
#第二步：去停用詞
#這裡是有一個檔案存放要改的文章，一個檔案存放停用表，然後和停用表裡的詞比較，一樣的就删掉，最後把結果存放在一個檔案中
stopwords = {}.fromkeys([ line.rstrip() for line in open('stopwords.txt') ])
final = ""
for word in fenci_text:
if word not in stopwords:
if (word != "。" and word != "，") :
final = final + " " + word
print(final)
#第三步：提取關鍵詞
a=jieba.analyse.extract_tags(text, topK = 5, withWeight = True, allowPOS = ())
print(a)
#text 為待提取的文本
# topK:傳回幾個 TF/IDF 權重最大的關鍵詞，預設值為20。
# withWeight:是否一并傳回關鍵詞權重值，預設值為False。
# allowPOS:僅包括指定詞性的詞，預設值為空，即不進行篩選。
運作結果：
runfile('D:/Data/文本挖掘/xiaojieba.py', wdir='D:/Data/文本挖掘')
新聞 消息 指 報紙 、 電台 、 電視台 、 網際網路 記錄 社會 、 傳播 資訊 、 時代 一種 文體 真實性 、 時效性 、 簡潔性 、 可讀性 、 準确性 新聞 概念 廣義 狹義 之分 廣義 發表 報刊 、 廣播 、 電視 評論 專文 外 常用 文本 新聞 列 包括 消息 、 通訊 、 特寫 、 速寫 （ 速寫 納入 特寫 列 ） 狹義 新聞 專指 消息 消息 概括 叙述 方式 簡明扼要 文字 報道 國内外 新近 發生 、 價值 事實 新聞 分 公衆 新聞 小道 新聞 每則 新聞 在結構上 包括 标題 、 導語 、 主體 、 背景 結語 五 前 三者 二者 輔助 寫法 叙述 兼有 議論 、 描寫 、 評論
[('新聞', 0.4804811569680808), ('速寫', 0.2121107125313131), ('消息', 0.20363211136040404), ('特寫', 0.20023623445272729), ('狹義', 0.16168734917858588)]
好啦，是不是很簡單？
以上這篇python實作關鍵詞提取的示例講解就是小編分享給大家的全部内容了，希望能給大家一個參考，也希望大家多多支援腳本之家。