1回答
我正在学习如何用词频和TF-以色列国防军绘制一个词云.我已经将文档术语矩阵转换为一个标准矩阵，然后使用word云试图绘制它，但它是在绘制数字而不是文字。
tweet.matrix = as.matrix(tweet.dtm) # converting to a standard R matrix
freqs = rowSums(tweet.matrix)
wordcloud(names(freqs), max.words =30, freqs, random.order=FALSE, min.freq=3)
浏览 0提问于2018-09-22得票数 1
回答已采纳
1回答
我必须在网页/提要的基础上构建一个标签云。一旦你得到了标签的词频表，就很容易构建标签云。但我的疑问是，如何从网页/提要中检索标签/关键字？
这就是我现在要做的：
获取内容->条带HTML使用\s\n\t(空格，换行符，制表符) ->关键字列表拆分它们
但这并不是很有效。
有没有更好的方法？
浏览 0提问于2010-06-21得票数 1
我正在使用solr中的术语向量组件来构建标记云。我也使用波特-茎工厂在索引和查询时间的词干。
问题是，词向量给出了词干词在最终输出中的词频。例子:-如果我搜索“沟通”这个词，它会给我术语“公社”的频率，但我需要communication.。我只需要词干查询，而不是术语向量。我怎么才能阻止这一切？
浏览 1提问于2015-01-20得票数 0
我有一个调查回复列表，并想分析使用的词的频率。
使用Orange，我已经将文件加载到一个语料库中，然后是预处理文本，然后是Word云。
“云”这个词没有显示云图像，我也不知道为什么。一切似乎都被设置好了，就像Orange文档在网上显示的一样。Word Cloud确实显示了一个很好的单词列表及其频率，但我无法将其复制/粘贴到Excel或导出该列表。
如何将单词频率列表导出到一个表中，其中一列是单词，另一列是计数？有更简单的方法吗？
浏览 0提问于2017-06-20得票数 0
1回答
我已经做了一个词云在R为2首歌曲。现在在tdm中，当我显示项目时，我得到了歌曲1和歌曲2的单词频率，我也能够完美地打印单词云。我的问题是，我不想在tdm中使用频率低于2的单词，我如何做到这一点？
我编写了代码并得到了如下输出：
tdm=TermDocumentMatrix(corpus)
> tdm=as.matrix(tdm)
>
> tdm
>
song 1 song 2
act 0 2
action 0 2
actions 0 1
activity
浏览 5提问于2013-11-25得票数 2
回答已采纳
我想从一个有2列的DataFrame生成一个单词云，第一列是项目，第二列是价格。我是这样做DataFrame的： articules=["Smartphone", "Laptop", "Tablet", "Headphone", "Workstation", "TV"]
votes=["900", "2000", "1000", "300", "2500", "3000"]
data={'Ite
浏览 30提问于2020-08-14得票数 0
回答已采纳
我正在使用快速文本预训练模型进行研究，我需要词频来做进一步的分析。fasttext网站上提供的.vec或.bin文件是否包含词频信息？如果是，我如何获得？
我正在使用load_word2vec_format加载使用model.wv.vocabword.count尝试的模型，它只给你词频排名，而不是原始词频。
浏览 25提问于2019-11-07得票数 2
回答已采纳
1回答
我正在尝试做几个字云来比较术语，它们本身是嵌套在组内的。我想每组做一个字云。R中的wordcloud包可以生成我需要的字云，但是每一个新的词云都有相对于最大和最小的单词频率的单词的大小。这可以用scale参数来设置。
我的目标是在单词的大小与单词的频率绝对相关的地方制作字云，使不同的字云能够在视觉上进行比较。
library(wordcloud)
dat <- data.frame(word = rep(LETTERS[1:3], 2), freq = c(10, 5, 3, 20, 10, 6), group = c(1, 1, 1, 2, 2, 2))
dat
# word f
浏览 1提问于2016-05-17得票数 4
回答已采纳
根据我对文档的理解，elasticsearch是如何工作的，它计算词频*不同的词频。它将文本转换为某种术语频率字典，该字典还包括这些术语最频繁的位置的索引。 我要做的不是存储文本，而是存储每行数据的词频。当我简单地上传全文时，搜索效果很好，但在包含文本的10+mil页面的完整解决方案中，搜索效果就不会很好。如果文本内容不相关，那么只存储词频不是更有效吗？ 编辑:数据的匿名性也是相关的，因此我不希望完整的句子和段落存储在外部。
浏览 12提问于2019-03-04得票数 1
System.out.println("Please enter the required word :");
Scanner scan = new Scanner(System.in);
String word = scan.nextLine();
String [] array = word.split(" ");
int filename = 500;
String[] fileName = new String [filename];
int a = 0;
try
{
for(a=0; a&
浏览 1提问于2011-03-08得票数 0
回答已采纳
今天，我想使用WordCloud来创建一个单词云，但是最大的单词是无意义的，"的"，就像英语中的" is“。我想删除它，所以我创造了“停止”来处理它，但它仍然存在。我尝试过许多方法，如“的=”的“、”的“}或”秒针= set()“、”的“等等，但它们都行不通。我怀疑wordcloud不支持中文，或者我设置了错误的font_path。请帮帮我，非常感谢。
这是主要代码
def draw_word(words_dict):
stopwords = {'的','是','了','说','地'
浏览 6提问于2021-06-22得票数 0
回答已采纳
1回答
我是python新手，我用的是wordcloud pkg。
我根据词频生成了一个词云，我在字典frequencies中使用单词的keys=words和values=frequencies生成了一个词云。
单词云可以接收color_funct参数中的函数。这样的函数可以用来为云上的单词制作自己的色彩映射表。作为示例，我使用了my_tf_color_func。
wordcloud = WordCloud(background_color="white", max_words=1000, mask=motog3_coloring,
max_font_size=1000, random
浏览 0提问于2017-11-07得票数 4
2回答
我正在尝试用python实现多类感知器。当涉及到多分类时，我已经完全理解了感知器算法的概念，但仍然对我们应该从训练数据中提供的特征向量感到困惑。
这个问题只是一个文本(文档)分类问题。我正在尝试在文本预处理阶段使用单字词频作为感知器的特征。当我基于每个训练文档中的词频为每个文档构建特征时，构建的特征恰好是非常稀疏的(文档中出现的每个标记的词频为0，没有出现的词频为0)。
我的问题是关于这方面的替代方案。有没有更好的构造特征向量的解决方案？
谢谢!
浏览 7提问于2020-02-13得票数 0
2回答
现在我有了dtm，所以我将dtm转换为频率表
freqs <- as.data.frame(inspect(dtm1))
下面是freqs的外观，它包含一行显示这些单词在文档中的出现频率
I really hate school how can are you hi
4 5 3 2 3 1 4 5 1
我有一个清单
list <- c("hi", "how", "are", "you")
如何根据列表找出词频列表中的词频，
浏览 2提问于2016-01-17得票数 0
1回答
我需要在elasticsearch中检索文档，而不是使用默认的评分函数(如tfidf等)，而只是按词频或词频(而不是idf等)。有没有办法修改它？我能用python做吗？
浏览 0提问于2017-04-12得票数 2
如何使用tensorflow创建预测/计算单词频率的N元语法模型？
假设模型将返回一个与单词频率相对应的值。
frequency = model("word")
print("Frequency of a word: ",frequency)
>>> Frequency of a word: 0.567
浏览 0提问于2019-01-22得票数 0
3回答
有没有一种快速而简单的方法可以从Lucene索引中获取词频，而不是通过TermVectorFrequencies类，因为这需要大量的时间进行大型收集？
我的意思是，有没有像TermEnum这样的东西，它不仅有文档频率，而且还有词频？
更新:使用TermDocs太慢了。
浏览 2提问于2009-03-20得票数 6
回答已采纳
1回答
你能告诉我如何在weka中表示文本分类的属性或类吗？通过使用什么属性可以进行分类？词频还是仅仅是词频？ARFF格式的可能结构是什么？你能给我举几行这种结构的例子吗？
非常提前感谢您。
浏览 0提问于2011-11-29得票数 8
1回答
我对使用Solr分析文档并获取符合特定条件的所有文档的词频很感兴趣。
我尝试过termVectorComponent，但我只能获得单个文档的词频，而不能获得文档组的总词频。
例如，给定以下数据：
{
"id": "1",
"category": "cat1",
"includes": "The green car.",
},
{
"id": "2",
"category": "cat1"
浏览 0提问于2013-05-15得票数 1
我想在java中将单词频率数到多个文件/文档。
例如：
a1 = {aaa,aaa,aaa,bbb}
a2 = {aaa, aaa, hhh}
a3 = {aaa, hhh, bbb, bbb}
因此，我想计算每个文件的单词频率：
for a1 file {aaa = 3, bbb = 1}
for a2 file {aaa = 2, hhh = 1}
for a3 file {aaa = 1, hhh = 1, bbb =2}
我有一种方法可以读取file中的单词，然后将<wordname, worcount>存储在LinkedHashMap中。尽管如此，它将计算所有文件的特定单
浏览 2提问于2012-11-21得票数 3
我已经在Spark中使用HashingTF创建了词频。我已经为每个单词使用tf.transform获得了词频。
但是结果是以这种格式显示的。
[<hashIndexofHashBucketofWord1>,<hashIndexofHashBucketofWord2> ...]
,[termFrequencyofWord1, termFrequencyOfWord2 ....]
例如：
(1048576,[105,3116],[1.0,2.0])
我可以使用tf.indexOf("word")获取散列存储桶中的索引。
但是，如何使用索引获取单词呢？
浏览 0提问于2015-08-29得票数 17
回答已采纳
1回答
如何计算余弦相似度以使用jdbc完成我的搜索引擎项目。我有表词频查询来存储用户的输入，表词频文档来存储文档的所有信息，我做了计算查询和文档加权。计算余弦相似度后的输出是用户输入的与查询相关的文档的显示。我没有任何想法，也不知道如何计算它，因为它涉及到数据库中的表。
浏览 4提问于2011-04-13得票数 1
1回答
我正在用Python进行LDA分析。我使用了以下代码来创建文档项矩阵
corpus = [dictionary.doc2bow(text) for text in texts].
有没有任何简单的方法来计算整个语料库中的单词频率。既然我有字典，那就是词表，我想我可以把词频和词性匹配起来。
浏览 1提问于2016-06-16得票数 0
回答已采纳
我是第一次学习python，我知道如何使用词频来计算列表中每个唯一变量的个数，如下所示
sentence = ['hello', 'people', 'are', 'the', 'most', 'common', 'word', 'people', 'use', 'for', 'language ', 'learning']
words_freq ={} #dictionary for the coun
浏览 2提问于2020-02-18得票数 0
1回答
文本东京化后的单月不同词频
、、、、
我在NLP上做了一些工作，我做了一些标记化和文本预处理的任务，同时发现：
用于绘制词频的功能：
def len_distribution(X):
x = [len(n) for n in X]
plt.hist(x, bins=len(x))
plt.xlabel('Number of words')
plt.ylabel('Number of texts')
plt.title('Distribution of text length on dataset')
plt.show()
单词频率在标
浏览 4提问于2020-11-17得票数 1
回答已采纳
我正在使用Matlab来使用Rocchio分类方法。我有160个txt文档。我已经计算了每个文档中每个单词的词频，因此现在有一个1x160单元格阵列"Set“，它由160个单元格组成，每个单元格中有许多整数(文档中每个单词的词频)。我尝试取每个整数i，并应用下一个公式1+log10(i)来计算词频权重。我想出了下一个代码：
function [tfw]=TFWeighting(Set)
size(Set);
TFW=cell(0);
for i=1:size(Set)
for j=1:size(Set{1,i})
TFW{1,i}(j,1) = 1+log10(S
浏览 0提问于2012-12-03得票数 0
回答已采纳
1回答
使用nltk实现idf
、、、
假设有这样一句话：“敏捷的棕色狐狸跳过懒狗”，我想从nltk语料库(哪个语料库最通用/最全面)中获得每个单词出现频率的分数。
编辑：
这个问题与这个问题有关： @adi92建议使用idf技术来计算单词的“稀有度”。我想看看这在实践中会是什么样子。这里更广泛的问题是，如何计算一个单词在英语中使用的稀缺性。我知道这是一个很难解决的问题，但尽管如此，nltk idf (使用brown或reuters语料库？？)可能会让我们走上这条路的一部分？
浏览 0提问于2012-07-18得票数 1
回答已采纳
1回答
我有一篇小文章(文档)，我得到了这个文档中所有标记的单词频率。现在，我希望把文档分解成句子，并得到每个句子的分数。“‘Score”被定义为句子中每个单词的词频之和。
例如，有一篇简短的文章如下：
article = 'We encourage you to take time to read and understand the below information. The first section will help make sure that your investment objectives are still aligned with your current strat
浏览 0提问于2021-04-30得票数 1
回答已采纳
我使用StandardAnalyzer索引我的文本。然而，在查询时，我正在进行术语查询和短语查询。对于术语查询和短语查询，我相信lucene在计算词频和词频方面没有问题.然而，对于像Dirichlet相似这样的模型来说，这是很好的。对于BM25Similarity或TFIDFSimilarity模型，它需要以色列国防军(术语)和以色列国防军(短语)。lucene是如何处理这个问题的？
浏览 2提问于2014-11-21得票数 0
回答已采纳
我想创建单词云来可视化Elasticsearch查询的结果。在单词云中，应该显示与查询匹配的文档中出现的所有术语。因此，我需要计算出现在某个任意文档集中的所有术语的词频。问题是我需要文档中所有术语的实际频率，而不仅仅是一个术语出现在其中的文档数量(这很容易使用术语聚合或facet来解决)。
给定以下测试索引
curl -XPOST localhost:9200/test -d '{
"mappings": {
"testdoc" : {
"properties" : {
浏览 2提问于2014-05-13得票数 8
2回答
我有一个简单的程序来计算词频：
#include <iostream>
#include <map>
#include <cctype>
#include <string>
using namespace std;
int main(void) {
map<string, int> words;
map<string, int>::iterator i;
string s;
while (cin >> s) {
transform(s.begin(), s.end(), s.begin(), :
浏览 0提问于2011-11-30得票数 0
回答已采纳
1回答
基于R文本分析的拼写错误识别
、、、、
我对R中的TM包很陌生，我正在尝试执行一个单词频率分析，但我知道我的源文件中有几个拼写问题，我想知道如何在执行单词频率分析之前修复这些拼写错误。
我已经读了另一篇文章()，但我对其中提出的解决方案有一个疑问:在创建TermDocumentMatrix和词频分析之前，是否可以使用字典(例如，数据框架)在我的语料库中进行几个/所有的替换？
我有一个带有字典的数据框架，它的结构如下：
sept -> september
sep -> september
acct -> account
serv -> service
servic ->
浏览 2提问于2015-05-19得票数 2
回答已采纳
1回答
我有两个矩阵，一个是文本，另一个是文本中的单词频率。我从字频矩阵中删除一行。然后如何使用文本号(从文本矩阵中提取行索引)从单词频率矩阵中提取一行？
例如：
步骤1:文本列表
我有一个行文本列表，其中每一个文本都以其行号来表示：
>>print type(texts)
>>print texts.shape
<type 'numpy.ndarray'>
(53,)
步骤2:根据文本的行号选择文本
我有一个这样的范围：
>>print train_range
>>[ 1 2 3 4 5 6 7 8 9 10
浏览 2提问于2012-09-07得票数 0
我有一个主字典来保存整个语料库的词频，并且为每个文本文件保留单词频率。我循环遍历每个文件，生成每个文件的WF，然后依次更新主字典。我的代码如下。有捷径吗？谢谢!
master_dict = {}
for txtfile in txtfiles:
file_dict = {}
file_dict = get_word_freq(txtfile) #A function is defined
for k, v in file_dict.items():
if k in master_dict:
master_dict[k] +=
浏览 0提问于2019-02-08得票数 1
回答已采纳
我尝试生成一个词云，并使用R、jiebaR和语料库获取中文语音的词频，但无法建立语料库。下面是我的代码：
library(jiebaR)
library(stringr)
library(corpus)
cutter <- worker()
v36 <- readLines('v36.txt', encoding = 'UTF-8')
seg_x <- function(x) {str_c(cutter[x], collapse = '')}
x.out <- sapply(v36, seg_x, USE.NAME
浏览 0提问于2020-01-28得票数 4
3回答
统计R中多个列的词频
、、、
我在R中有一个数据框，它有多个列，其中包含多个单词文本响应，如下所示：
1a 1b 1c 2a 2b 2c
student job prospects money professors students campus
future career unsure my grades opportunities university
success reputation my job earnings courses
浏览 2提问于2018-11-16得票数 1
4回答
编写了一个读句子的程序。然后，该程序打印一个词频表。单词是按字母顺序排列的，每个单词出现的次数是按字母顺序排列的。这些词不区分大小写。该程序有一个接受字符串输入的word_frequencies(words)函数。它从输入字串构建词频字典，并返回词频字典。
def word_frequencies(words):
# Implement the word_frequencies function. The words function parameter is a string.
# Your solution here
freq = {}
for word in word
浏览 8提问于2022-09-25得票数 0
回答已采纳
我有一个很大的单词数据集，我必须计算单词频率的计数。更具体地说，让我们说我有这个词(是，到，现在，看)。单词频率是
be: 1，to: 1，the: 2，现在: 3，见:3
我想要计算频率计数，所以我的输出是：
1: 2
2: 1
3: 2
这能在一个mapreduce过程中完成吗?还是我需要创建一个mapreduce作业来计算频率，另一个创建一个任务来计算计数？
浏览 0提问于2018-03-20得票数 1
回答已采纳
我试图使用下面的代码在文档中找到单词频率。然而，这不是词频，而是返回字符频率。有人能解释原因吗？我正在跟踪一篇获得这段代码的文章，但由于未显示输出，因此无法验证。
sentence1 = [token for token in "hello how are you".split()]
sentence2 = [token for token in "i am fine thank you".split()]
print(sentence1)
from collections import Counter
import itertools
def map_wor
浏览 0提问于2020-04-17得票数 3
回答已采纳
我的任务是从外部文件中读取数字列表并显示其中的统计数据。我最初的计划是计算特定值在代码中出现的次数，但我遇到了两个问题:外部文件的输出与文件中的值不同，并且我无法使用下面的for循环计算代码中的单个数字。提前谢谢。
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
int main(void)
{
FILE *fpointer;
fpointer = fopen("randice.txt","r");
char filename[600];
浏览 1提问于2020-12-14得票数 2
3回答
嗨，这是我计算词频的代码。
System.out.println("Please enter the required word :");
Scanner scan = new Scanner(System.in);
String word = scan.nextLine();
String[] array = word.split(" ");
int filename = 11;
String[] fileName = new String[filename];
int a = 0;
for (a =
浏览 1提问于2011-03-10得票数 1
回答已采纳
2回答
在scikit学习或nltk分类器中，通常考虑术语频率或TF。
我也想考虑词频，句子结构进行分类。我有15类问题。每一个都有包含新行的句子的文本文件。
类别城市包含这句话：
In which city Obama was born?
如果我考虑术语频率，那么可能不考虑以下内容。因为数据集中的奥巴马或城市与查询语句不匹配
1. In which place Hally was born 2. In which city Hally was born?
是否有既考虑词频又考虑句子结构的量词。因此，在训练时，它也对类似句子结构的输入查询进行分类。
浏览 7提问于2014-12-03得票数 0
回答已采纳
2回答
我想存储来自词频的信息，如下所示 Date My_List
02/21/2020 [kitchen, chair] # just an example; I would like to keep only nouns
02/23/2020 [baby, cousin, secret ] # just an example
04/12/2019 [table, book, photocamera, apartment] #just an example …… 在My_list上，有使用频率最高的单词列表。 我的原始数据集
浏览 21提问于2020-08-21得票数 0
回答已采纳
1回答
下面是我的代码：
for question in questions:
print('Processing ' + str( question))
counts = Counter(dataset_final[str(question)])
print(counts)
这将打印出类似以下内容：
Processing 1
Counter({'would': 18, 'think': 12, 'patient': 11, 'condition': 11, 'might': 10,
浏览 0提问于2018-03-27得票数 0
我一直在统计语料库中的单词列表，并看到单词列表的概率。
我一直在计算每个单词的频率，然后用EXCEL进行求和，但这需要很长时间。我的单子上有几千个单词。
我只想总结出词频列表的总次数，然后看看词频的概率。
genres = ['C:/A1.txt','C:/A2.txt','C:/A3.txt']
modals = ['can', 'could', 'may', 'might', 'must', 'will']
cfd = nltk.Condi
浏览 1提问于2012-10-01得票数 0
回答已采纳
关于Lucene 4.0，我有两个问题: 1)我想更改Lucene中的排序，所以我创建了自己的tfidf类，然后调用TermStats构造函数
ts[t] = new TermStats( contents[t].field,contents[t].termtext, contents[t].docFreq, tfidf);
但它传达的信息是
TermStats(String,BytesRef,int,long) is not public in TermStats; cannot be accessed from outside package
有没有人知道，我是否真的没有办
浏览 1提问于2013-07-07得票数 0
我已经创建了一个程序，它将读取一个文本文件，并将单词作为字符串放入链接列表中，以及它们在整个文本文件中的频率计数。它只在出现的总次数中打印每个单词的一次出现。
我的程序还加载了一个黑名单，其中应该将黑名单链接列表与单词云(或词频)链接列表进行比较，然后从单词频率列表中删除黑名单中的单词。
我试过几种方法。以下是我的第三个版本。我想要做的是向每个节点添加一个布尔值，当一个节点等于黑名单中的一个单词时，布尔值将为真。但是，我不能用下面的代码正确地打印它。我已经搜索过了，而且似乎找不到正确的语法来向链接列表中的节点添加布尔值。
编辑#3：
void wordCloud::compareWith(wo
浏览 1提问于2014-03-04得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
