基于关联分析法的专利发明人合作关系探究（python代码 图文 超详细）

分词

应用python中nltk包分词

首先在找到国际G（物理领域）的所有专利，最终得到6000多条专利数据。接下来应用python中nltk包对专利发明人进行分词

import pandas as pd
from nltk import word_tokenize
#将编码utf-8改成gbk
data=pd.read_csv("Desktop\\python_work\\diming_data.csv",encoding='gbk')
txt=data['INVT']#工作簿
print("开始")
print("分词---------------------")
words1=[]
for i in txt: 
    words = word_tokenize(str(i))
    words1.insert(0,words)
cutpersons=pd.DataFrame({
   'cut_persons':words1})
cutpersons

Apriori

（1）计算支持度大于0.002的所有专利发明人，即寻找在物理领域申请专利12项以上的发明人，并认为其为该领域的重要发明人

from numpy import *
# 构造数据
def loadSetData(Data):
    return Data
# 将所有元素转换为frozenset型字典，存放到列表中
def createC1(dataSet):
    C1 = []
    for t in dataSet:
        for item in t:
            if not [item] in C1:
                C1.append([item])
    C1.sort()
# 使用frozenset是为了后面可以将这些值作为字典的键
    return list(map(frozenset, C1))  # frozenset一种不可变的集合，set可变集合
# 过滤掉不符合最小支持度0.08的集合
# 返回 频繁项集列表retList 所有元素的支持度字典
def scanD(D, Ck, minS):
    ssCnt =