【gensim--dictionary】使用方法

  1. import jieba, os  
  2. import codecs  
  3. from gensim import corpora, models, similarities  
  4. from pprint import pprint  
  5. from collections import defaultdict  
  6. import sys  
  7. import pickle  
  8. reload(sys)  
  9. sys.setdefaultencoding('utf-8')  
  10.   
  11. def print_dict(dict):  
  12.     for key in dict:  
  13.         print type(key),key,str(dict[key]),  
  14.     print  
  15. def test3():  
  16.     ''''''' 
  17.     gensim学习之Dictionary 
  18.     '''  
  19.     a = [['一','一','二'],['一','二','三']]  
  20.     b = ['一','一','三','四','四']  
  21.     dictionary = corpora.Dictionary(a)  
  22.     print "########dictionary信息##########"  
  23.     print str(dictionary) #  
  24.     print "字典,{单词id,在多少文档中出现}"  
  25.     print dictionary.dfs #字典,{单词id,在多少文档中出现}  
  26.     print "文档数目"  
  27.     print dictionary.num_docs #文档数目  
  28.     print "dictionary.items()"  
  29.     print_dict(dict(dictionary.items())) #  
  30.     print "字典,{单词id,对应的词}"  
  31.     print_dict(dictionary.id2token) #字典,{单词id,对应的词}  
  32.     print "字典,{词,对应的单词id}"  
  33.     print_dict(dictionary.token2id) #字典,{词,对应的单词id}  
  34.     print "所有词的个数"  
  35.     print dictionary.num_pos #所有词的个数  
  36.     print "每个文件中不重复词个数的和"  
  37.     print dictionary.num_nnz #每个文件中不重复词个数的和  
  38.     print "########doc2bow##########"  
  39.     #dictionary.add_documents([b])  
  40.     #allow_update->更新当前字典;return_missing->返回字典中不存在的词  
  41.     #result为b文章转换得到的词袋,列表[(单词id,词频)]  
  42.     result, missing = dictionary.doc2bow(b, allow_update=False, return_missing=True)  
  43.     print "词袋b,列表[(单词id,词频)]"  
  44.     print result  
  45.     print "不在字典中的词及其词频,字典[(单词,词频)]"  
  46.     print_dict(missing)  
  47.     print "########bow信息##########"  
  48.     for id, freq in result:  
  49.         print id, dictionary.id2token[id], freq  
  50.     print "########dictionary信息##########"  
  51.     #过滤文档频率大于no_below,小于no_above*num_docs的词  
  52.     dictionary.filter_extremes(no_below=1, no_above=0.5, keep_n=10)  
  53.   
  54.     return  
  55.   
  56. test3()  
  • 3
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值