简单暴力：关键词自动分类

import jieba


class fenlei:
    def __init__(self,kwpath="keyword.txt",stpath="stop.txt",top=2):
        self.cipin = {}
        self.fenci = {}
        self.stop = [word.decode("gbk").strip("\r\n") for word in open(stpath)] #读取听词列表
        self.keyword = [word.strip("\r\n") for word in open(kwpath)] #读取关键词列表
        self.index = {}
        self.result = {}
        self.top = top




    def delete_stops(self,lists): #去除停词
        lists = list(set(lists)-set(self.stop))
        return lists


    def sort_dict(self,dicts): #字典按value排序
        dict_list = []
        dicts = sorted([(v, k) for k, v in dicts.items()], reverse=True)
        for i in dicts:
            dict_list.append(i[1])
        return dict_list


    def count_cipin(self,lists): #统计词频
        for i in lists:
            if(self.cipin.get(i)):
                self.cipin[i] += 1
            else:
                self.cipin[i] = 1


    def run(self): #主流程
        for kw in self.keyword:  #循环关键词列表
            cut = jieba.cut(kw)  #分词
            cut = self.delete_stops(cut) #去除停词
            self.count_cipin(cut) #统计词频
            self.fenci[kw] = cut #把分词结果存起来，避免再次分词
        for kw in self.fenci: #循环分词结果
            index = ''
            index_dict = {}
            for i in self.fenci[kw]: #循环分词后的每个词
                index_dict[i] = self.cipin[i] #获得该词词频
            index_list = self.sort_dict(index_dict) #排序分词结果
            for i in index_list[0:self.top]: #取出词频最高的两个词
                index += i #组合索引词
            if(self.index.get(index)): #建立倒排索引
                self.index[index].append(kw)
            else:
                self.index[index] = [kw]
        for i in self.index: #统计每个索引的词数量
            self.result[i] = len(self.index[i])
        lists = self.sort_dict(self.result) #对索引词数量进行排序
        for index in lists: #安装索引词数量排序输出关键词
            for kw in self.index[index]:
                print index,"---",kw




###############################################################
# a=fenlei(kwpath,stpath,top) 实例化类，分类对象有三个参数        #
# kwpath 是 关键词文件路径，默认为 keyword.txt                    #
# stpath 是 停词文件路径，默认为stop.txt                         #
# top 是 索引词取几个词，越多分的越细                             #
# run() 是分类类的主流程方法，调用此方法开始分类                    #
###############################################################

                                

a=fenlei().run()