在Python中为短语（bigram、n-gram）创建词云

Question

我正在使用

wordcloud

库来创建词云，但我需要“短语”云。 当我搜索为短语创建词云时，我得到了很多点击，但仅限于词云。 如何为字符串中的频繁短语创建词云？

这就是我到目前为止所做的（取自 stackoverflow）：

wordcloud = WordCloud(
        background_color='white',
        stopwords=stopwords,
        max_words=200,
        max_font_size=40, 
        scale=3,
        random_state=1 
    ).generate(str(postData))

但我想要对二元语法/n元语法进行类似的实现。请告诉我该如何解决这个问题？

Answer 1

你可以使用参数- 搭配（布尔值，默认=True） 含义-是否包含两个单词的搭配（二元组）。如果使用generate_from_frequencies，则忽略。 wordcloud=WordCloud(搭配=True).generate(text)

需要记住的是，它将根据 Unigram 和 Bigram 的频率来决定该单词/短语是否会显示在词云中 并且由于单个单词出现的频率将大于两个单词一起出现的频率，因此很可能很少有二元组会出现在 WordCloud 中 但我不知道有什么直接的方法可以得到 n-gram，其中 n>=3

您必须基本上创建一个字典，其中键为单词和短语，值为按单词总出现次数归一化的频率 然后generate_frequencies函数可以用作- wordcloud=WordCloud(colormap=cmap).generate_from_frequencies(wordFreq)

单字提取示例函数- 但要制作二元组和三元组，还需要考虑更多的事情

def extractWords(text):
completeList=[]
lines=text.split("\n")
for line in lines:
    words=line.split(" ")
    for word in words:
        if(word not in stopwords and words!=""):
            completeList.append(word)
return completeList