COOC6.2增加同义词合并无意义词删除等功能

最新推荐文章于 2022-05-03 11:00:30 发布
最新推荐文章于 2022-05-03 11:00:30 发布
阅读量1.1k 收藏 2
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39974284/article/details/105934002
版权

COOC6.2增加两个功能：
在这里插入图片描述

①将同义词合并功能集合到COOC中，原文链接：《《万能同义词合并5.0》一键批量合并+删除–CiteSpace、VOSviewer、ucinet、gephi等》

②将同义词+无意义词表一键转化为VOSviewer可以识别的格式，使VOSviewer也可以进行一键合并同义词与删除无意义词

该软件具备如下功能：
以下功能均适用于各大数据库、网络文本、贸易数据、董事关系、物流网络等数据，没有任何限制！

【0】一键合并同义词与删除无意义词
【1】一键统计频次
【2】一键做共现矩阵
【3】一键做相异矩阵
【4】一键做词篇矩阵
【5】一键做二模矩阵
【6】一键做基于主题的耦合矩阵
【7】一键做邻接表
【8】一键绘制网络图谱
【9】一键绘制聚类图谱

软件使用注意事项：(做不出图看第七条)
①做中文矩阵关键词之间需要用[英文状态下分号隔开]，做英文矩阵关键词之间需要拥用[英文状态下分号+空格]隔开
②保证每个文件所在路径不要出现汉字
③结果出来后检查共现矩阵和频次表有无空白行，有的话删除。
④出现乱码时用WPS打开，不要用office
⑤做相异矩阵时一个入口相异矩阵做不成功直接换别的入口即可！
⑥如果频次表里的所有关键词都用完，需要手工在频次表最后一行末尾添加一行任意数据，如（a 0）
⑦如果图谱绘制不出图，将你的矩阵数据复制到cooc文件夹中的案例数据G11表格中即可出图

学术点滴
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
NLP - GIZA++ 实现词对齐
编码时光
06-29 1153
关于 GIZA++ 安装 使用 1、将平行语料转化为 GIZA++ 格式（plain2snt.out） 2、获取共现文件（snt2cooc.out） 3、创建 mkcls 文件（mkcls） 4、运行GIZA++
NLP - 词对齐 MGIZA++
编码时光
03-03 519
关于 MGIZA++ 安装 命令说明 mkcls d4norm hmmnorm plain2snt snt2cooc snt2coocrmp snt2plain symal mgiza
COOC_VOSviewer.md
最新发布
11-20
COOC_VOSviewer.md
《万能同义词合并5.0一键批量合并+删除CiteSpace、VOSviewer、ucinet、gephi
qq_39974284的博客
02-21 5557
《万能同义词合并5.0》核心功能 1 一次性批量合并中国知网CNKI数据库同义词、同名机构,删除无意义词 一次性批量合并网络文本同义词,删除无意义词 2 一次性批量合并CSSCI数据库同义词,删除无意义词 3 一次性批量合Web of Scince数据库同义词,删除无意义词 4 只做Web of Scince数据库精准关键词的图谱，让图谱更加合理 另外：(做英文图谱时，图中有很多独立的或者不相关...
【02误区解读】知识图谱与文献计量你一定做错了~多维尺度图
qq_39974284的博客
07-03 1272
正文开始之前先看下图：下图是如何绘制出来的？聚类主题是如何划分的？哪张图最合理？ 研究过文献计量的人一定做过一个图——多维尺度分析 多维尺度的含义： 多维尺度（Multidimensional scaling，缩写MDS，又译“多维标度”）也称作“相似度结构分析”（Similarity structure analysis），属于多重变量分析的方法之一，是社会学、数量心理学、市场营销等统计实证分析的常用方法。 多维尺度法是一种将多维空间的研究对象（样本或变量）简化到低维空间进行定位、分析和归类.
[VOSViewer] 合并同义词、删除指定词语
OneChestnut的博客
02-07 9598
1. 在哪一步可以进行该操作 在选完导入的数据之后，“Thesaurus file” 这个选项即是VOSviewer官方设置用来合并同义词，以及删除指定词语的。 将鼠标移到旁边的问号处，即可看到相关的解释。 2. Thesaurus file怎么用 最好的办法还是参考官方文档，下载VOSViewer后，在下图的位置可以找到随附的官方文档。在文档目录中，可以找到 4.3节专门解释了这个文件的使用方法。 文档的最后指出可以参见官方的示例，这两个示例可在VOSViewer下载所在文件夹的“data”文件夹中
VOSviewer：高频关键字段共现网络制作入门教程（以PubMed数据为例）
热门推荐
weixin_47183072的博客
05-03 1万+
这篇文章属于个人的经验分享，本人在学习使用的过程中发现对于VOSviewer使用方法的详细介绍偏少而且较分散。写这篇帖子是想把我的一些经验分享一下。本文以PubMed数据为例，简单介绍了VOSviewer制作高频关键词网络的方法。（包括同义词合并、指定项删除）过程描述称得上是非常详细了，很适合第一次接触、使用VOSviewer的小白们。
cooc3d:3D统计纹理算法-matlab开发
06-01
"cooc3d"是针对这一需求开发的一个MATLAB工具，它专注于计算3D纹理的特征。下面将详细阐述这个工具的核心概念、工作原理及其在实际应用中的价值。 3D纹理分析主要涉及到对多维数据的处理，例如医学成像、地质勘探或...
matlab开发-cooc3d
08-27
在具体的应用中，"cooc3d"可能需要与其他MATLAB函数结合，例如用于数据读取（imread、pc.read等）、数据可视化（slice、imagesc等）以及机器学习模型（svmtrain、classregtree等）。同时，为了与硬件接口交互，可能...
最新同义词组合大全 2019.04.12.txt
10-20
20万词库大数据 伪原创关键词表 同义词替换词库 EO伪原创文章采集同义词近义词替换词库伪原创词库
citespace_5.0R1
05-18
一款通过将国内外文献进行可视化分析来帮助你了解一门学科前世今生的软件。 面对成千上万篇的文献，怎样才能快速锁定自己最感兴趣的主题及科学文献，找到其中最为重要、最为关键的核心信息，弄清其过去与现在的发展历程，识别其最活跃的研究前沿和发展趋势……
cooc-knowledge-map-editor
05-09
酷课学习网知识地图编辑器 酷课学习网知识地图最后长 完整UI版本，请见此 酷课云知识地图的d3-custom1.js在有一个简单的改写。 所有完整版的程式码接在gh-pages branch上面，您现在在看的master branch是最简版，可供您整合至您的专案当中。 branch中乃相容Bootstrap 2.3.2的版本。 JSON 形式 In case you don't know Chinese What is Cooc Knowledge Map? it is a representation of concepts which connect similar ideas in a hierarchical manner. You can think of it as Mind Map. Cooc Knowledge Map is devised by teachers
# 研究杂感 × VOSviewer（第四辑）
rc15680632552的博客
03-10 1289
VOSviewer 数据可视化 ④ —— 使用同义词词典合并同义 首先绘制一个关键词网络图 然后我们尝试将 impact 和 impacts 进行合并，将 efficiency 和 economic growth进行删除。 所采用的方法是修改（或者说是导入）VOS里的 thesaurus_terms.txt 文件 首先将原有的 thesaurus_terms.txt 文件复制到自己想要导入的路径下 然后针对 thesaurus_terms.txt 文件内容进行修改 共分为2列，中间用 tab 符号
GIGO1.1数据清洗利器，文献计量同义词合并
qq_39974284的博客
02-21 2585
使用 ucinet vosviewer pajek gephi spss等做可视化分析 必须用GIGO1.1软件。 学了这么多可视化软件，可以做这么多好看的图谱。是不是感觉自己很厉害了？ 可是： 做可视化图谱的源数据，你清洗了吗？ 举例来说，在做关键词、作者、机构等共现和聚类图谱时，你对同义词合并了吗？ 对一些无意义的词你删除了吗？ 我想，大部分人的答案是没有？当然还有一部分人回答合并了，删除了。...
COOC一款用于文献计量和知识图谱绘制的新软件
qq_39974284的博客
01-06 5010
【COOC9.9】功能齐全、操作简单、计算准确、图谱齐全。 其是一款功能强大的数据挖掘与知识发现软件，同时在做文献计量和科学知识图谱时更强大 该软件不局限于文献计量领域，任何学科、任何形式数据均支持！！！适用于本科、硕博士研究生、教师、图书馆员、情报分析人员以及对数据分析、数据挖掘和数据可视化感兴趣的人员。 软件无论是在准确度、功能还是操作等方面均具有十分优秀的表现，能够完成很多知识图谱软件无法完成的功能。 比如：以前论文写作或项目报告中做一个多数据库去重、共现矩阵、词篇矩阵、二模矩阵、相似度矩阵、社区聚类
COOC软件一款用于文献计量和知识图谱绘制的新软件
qq_39974284的博客
09-27 1万+
以前论文写作中做一个共现矩阵、二模矩阵、聚类图谱、词云图、邻接表、相异矩阵、同义词批量合并、研究热点追踪等分析需要一小时、一天、对于小白甚至需要一周、一个月。 但是利用COOC这款软件，你会体会到什么叫方法比努力更重要 好的工具会让你事半功倍，原本需要一天的工作量，现在你只需要一秒钟 COOC软件介绍： 优势：一键绘制各种高端图谱 目前功能： 中文数据库去重与数据清洗 英文数据库去重与数据清洗 批量合并同义词删除无意义词 共现矩阵（关键词、作者、机构、国家等） 完全共现矩阵制作（对角线为频次） 邻接表 共.
coco 数据集可视化_真大神！1行代码实现数据集可视化、分析与比较 ！
weixin_39638929的博客
12-17 267
萧箫 发自 凹非寺量子位 报道 | 公众号 QbitAI你是否也在朋友圈看过这样的小广告：「你要悄悄学Python，然后惊艳所有人。」现在，GitHub上一位博主告诉你：不用学，用sweetviz就行。这是一个基于Python编写的数据分析软件，只要掌握3种函数用法，一行Python代码就能实现数据集可视化、分析与比较。我们以Titanic数据集为例，输入一行代码：一个1080p的清晰网...
高频词共现矩阵python代码
06-15
高频词共现矩阵是指将一篇文本中出现频率较高的词语进行统计，并计算这些词语之间出现的共现次数，得到一个共现矩阵。这个共现矩阵可以作为文本的特征表示，用于文本分类、聚类等应用。 以下是一个使用Python生成高频词共现矩阵的代码示例： 1. 首先导入必要的库： ``` import numpy as np import pandas as pd from nltk.tokenize import word_tokenize from nltk.corpus import stopwords ``` 2. 定义生成共现矩阵的函数： ``` def cooc_matrix(text, num_words=1000, window_size=5): # 分词 tokens = word_tokenize(text.lower()) # 去掉停用词 stop_words = set(stopwords.words('english')) tokens = [token for token in tokens if token not in stop_words] # 统计词语频率 word_freq = pd.Series(tokens).value_counts()[:num_words] # 取出频率前num_words的词语 words = word_freq.index.tolist() # 初始化共现矩阵 cooc = np.zeros((num_words, num_words)) # 遍历每个词语 for i, word in enumerate(words): # 遍历当前词语周围的词语 for j in range(i - window_size, i + window_size): # 如果词语在共现窗口内并且不是当前词语本身 if j >= 0 and j < len(words) and words[j] != word: # 更新共现矩阵 cooc[i, j] = cooc[j, i] = tokens.count(word + ' ' + words[j]) return cooc, words ``` 3. 调用函数生成共现矩阵并进行演示： ``` # 读入文本 text = open('sample.txt').read() # 生成共现矩阵 cooc, words = cooc_matrix(text) # 打印共现矩阵和词语列表 print(cooc) print(words) ``` 以上代码可以实现文本的高频词共现矩阵的生成，可以根据不同的需求调整参数来适配不同的文本。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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