当前位置: 首页 > news >正文

想制作一个网站要多少钱什么是互联网推广

想制作一个网站要多少钱,什么是互联网推广,北京网站制作与营销培训,做外贸一般上哪些网站一、任务目标 (1)用合适的格式读取文本数据 (2)使用jieba分词对文本数据进行分词,并可视化分词效果 (3)设计停止词表,对文本数据的多余部分进行删除 (4)对文本…

一、任务目标
(1)用合适的格式读取文本数据
(2)使用jieba分词对文本数据进行分词,并可视化分词效果
(3)设计停止词表,对文本数据的多余部分进行删除
(4)对文本数据进行词云展示
(5)TF-IDF提取关键词
(6)LDA主题模型
(7)新闻数据分类

二、代码及效果
(1)导入包

#导入必须的包
import pandas as pd
import jieba
import numpy

(2)读取文本数据

df_news = pd.read_table('./data/val.txt',name=['category','theme','url','content'],encoding = 'utf-8')
df_news = df_news.dropna(axis=0)#删除掉一行数据中有缺失项的
df_news.head()#读取前几条信息
df_news.shape #查看数据规模

(3)使用jieba进行分词

content = df_news.content.values.tolist() #将数据df_news里面的content转换成list数据,方便jieba进行分词
print(content[1000]) #展示分词前的数据内容
content_S=[] #预设定,存入分词后的数据
for line in content:current_segment = jieba.lcut(line) #进行分词处理if(len(current_segment)>1 and current_segment !='\r\n'): #加入换行符content_S.append(current_segment) #将分词结果存入content_S[1000] #展示分词效果df_content = pd.DataFrame({'content_S':content_S}) #可视化每一条文本数据的分词结果
df_content.head()

在这里插入图片描述

(4)设计停止词表,对文本数据的多余部分进行删除,可视化所有词,并统计次数

stopwords = pd.read_csv("stopwords.txt",index_col = False, sep="\t",quoting=3,names=['stopwords'])
stopwords.head(20)

在这里插入图片描述

def drop_stopwords(contents,stopwords):contents_clean=[]all_words=[]for line in contents:line_clean=[]for word in line:if word in stopwords:continueline_clean.append(word)all_words.append(str(word))contents_clean.append(line_clean)return contents_clean,all_wordscontents = df_content.content_S.values.tolist()
stopwords = stopwords.stopword.values.tolist()
contents_clean,all_words =drop_stopwords(contents,stopwords)df_content = pd.DataFrame({'contents_cleadn':contents_clean})
df_content.head
df_all_words = pd.DataFrame({'all_words':all_words})
words_count = df_all_words.groupby(by=['all_words'])['all_words'].agg({'count':numpy.size})
words_count = words_count.reset_index().sort_values(by=['count'],ascending = False)
words_count.head()

(5)词云展示

import matplotlib.pyplot as plt
from wordcloud import WordCloud
import matplotlibmatplotlib.rcParams['figure.figsize'] = (10.0,5.0)
wordcloud = WordCloud(font_path = "./data/simhei.ttf",background_color="white",max_front_size=80)
word_frequence = {x[0]: x[1] for x in words_count.head(100).values}
wordcloud = wordcloud.fit_words(word_frequence)
plt.imshow(wordcloud)

在这里插入图片描述
(6)TF-IDF提取关键词

import jieba.analyse
index = 2000
print(df_news['content'][index])
content_S_str="".join(content_S[index])
print("".join(jieba.analyse.extract_tags(content_S_str,topK=10,withWeight=False)))

在这里插入图片描述
(7)LDA主题模型

from gensim import corpora,models,similarities
import gensimdictionary = corpora.Dictionary(contents_clean)
corpus = [dictionary.doc2bow(sentence) for sentence in contents_clean]
lda = gensim.models.ldamodel.LdaModel(corpus=corpus,id2word=dictionary,num_topics=20)
print(lda.print_topic(1,topn=5))

在这里插入图片描述

在这里插入图片描述
(8)基于贝叶斯算法的新闻数据分析

df_train = pd.DataFrame({'contents_clean':contents_clean,'label':df_news['category']})
df_train.tail()df_train.label.unique()
label_mapping = {"汽车":1,"财经":2,"科技":3,"健康":4,"体育":5,"教育":6,"文化":7,"军事":8,"娱乐":9,"时尚":0}
df_train['label']=df_train['label'].map(label_mapping)from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(df_train['contents_clean'].values, df_train['label'].values,random_state=1)words = []
for line_index in range(len(x_train)):try:words.append(' '.join(x_train[line_index]))except:print(line_index)print(words[0])
print(len(words))from sklearn.feature_extraction.text import CountVectorizer
vec = CountVectorizer(analyzer = 'word', max_features=4000, lowercase=False)
vec.fit(words)from sklearn.naive_bayes import MultinomialNB
classifier = MultinomialNB()
classifier.fit(vec.transform(words), y_train)test_words = []
for line_index in range(len(x_test)):try:test_words.append(" ".join(x_test[line_index]))except:print(line_index)
test_words[0]print(classifier.score(vec.transform(test_words),y_test))

在这里插入图片描述

http://www.tj-hxxt.cn/news/127898.html

相关文章:

  • 做网站能挣钱吗网站数据统计工具
  • 杭州学校网站开发网络营销策划方案案例
  • 禹州做网站bz3399站长工具忘忧草
  • 网站设计用什么软件做的5000元做百度推广效果怎么样
  • 怎样建免费网站站长工具服务器查询
  • 做js链接的网站要加证书吗网站入口百度
  • 网站收录最好的方法edm营销
  • 石家庄做网站的百度关键字排名软件
  • 做网站的财务需求口碑营销的定义
  • 做分析图的地图网站网站免费搭建平台
  • 广州app软件开发公司如何做好网站推广优化
  • 怎么建立网站免费的广州百度提升优化
  • 建立公司网站()青岛网络推广
  • 开源网站下载整合营销策略
  • 广州建网站的网络公司网址seo查询
  • 做网站ie10缓存宁波seo关键词优化报价
  • 网站建设与设计的心得体会关键词优化的最佳方法
  • 设计一个官方网站推广广告a5站长网
  • 学java做网站近三天重大新闻摘抄
  • 注入漏洞网站源码怎么开通网站
  • 石家庄公司网站设计网站建设制作教程
  • 按颜色分类的网页设计欣赏网站天津搜索引擎seo
  • 临西做网站多少钱安全又舒适的避孕方法有哪些
  • 广州正规网站建设哪家好创建网站免费
  • 网站分析该怎么做百度seo工作室
  • 网站开发运营工作总结汕头疫情最新消息
  • 聊城做网站的公司教程seowhy
  • 建立网站怎么赚钱平台怎样推广
  • 网站开发亿码酷流量百度图片收录提交入口
  • 网站建设业务方法农产品营销方案