干货:详解《十九大的大数据语义分析报告》分析过程

热度139票  浏览1396次 【共0条评论】【我要评论 时间:2017年10月23日 17:45

非常荣幸地,我们上周的《十九大的大数据语义分析报告》得到业界的青睐与赏识。本着技术探索与交流的初衷,本着知识传播与分享的责任,小编决定为大家详解这份报告的分析过程。

.]8H Qe_0

一、资料与工具

lm[#Hy0

1、资料来源:十九大报告全文

H4B J+^$`^D e0

2、分析工具自然语言处理与信息检索共享平台+|4Dg-i2Ul6G

  •  NLPIR-Parser
自然语言处理与信息检索共享平台%skg(yWs3w e/KWO

NLPIR-Parser是融合了自然语言理解、网络搜索和文本挖掘的技术,针对互联网内容处理需要的文本搜索与挖掘开发平台(NLPIR在线演示平台:http://ictclas.nlpir.org/nlpir/),平台提供了用于技术二次开发的基础工具集。NLPIR-Parser下载地址:https://github.com/NLPIR-team/NLPIR/tree/master/NLPIR-Parser)自然语言处理与信息检索共享平台BB ?D)Y+\B4E Vm

  • tagxedo词云图制作工具
自然语言处理与信息检索共享平台*q`"Y*q7^f

Tagxedo是一款可以自定义云的外形的文字云在线生成工具。

t(k NBC7SYh0

在线地址:http://www.tagxedo.com/

Vm^E6y0

二、目标与内容自然语言处理与信息检索共享平台a~ x8hy1L X

目标:通过NLPIR大数据语义智能分析技术,全面解读十九大报告,领会十九大思想。自然语言处理与信息检索共享平台Klh;L#ts ?

分析内容:关键词提取、词频统计、新词发现。自然语言处理与信息检索共享平台EF,le1C0z-yQ

三、分析过程

d/o9E~"FT?&J)L0

1、十九大报告文本分析

#W#PM(J$X$wLe0

首先,下载NLPIR-Parser文件(根据前文提供的下载地址),运行NLPIR-Parser.exe程序,界面如图:

!j Z6\2j7S%O/x)H0

M1Sm'rZ^ cno/A0

1 NLPIR-Parser界面

,dr-YHTH0

NLPIR平台的十二大功能:新词发现、批量分词、语言统计、文本聚类、热点分析、摘要提取、智能过滤、情感分析、文档去重、HTML正文提取、全文检索和编码识别转换,用户可根据需要选择使用。自然语言处理与信息检索共享平台/d"O i [9q2jW*QF r

然后,在第一个功能模块,使用十九大报告全文作为语料源,分别进行新词与关键词提取的分析操作。提取过程如下:自然语言处理与信息检索共享平台/E;x"U[2[4x#y:~%Y

自然语言处理与信息检索共享平台k@(ot*~:Z(q4Rl

2 新词提取自然语言处理与信息检索共享平台!\5E%A,X"hESL

新词、关键词分析内容包括:词语、词性、权重和词频统计,NewTermlist(output文件夹)是新词提取结果文件,keylist是关键词提取结果文件(相同路径)。十九大报告3万余字,提取的关键词约3000个,新词约100个。后面词云图的制作将以此数据为基础。

_:NE!RK0

自然语言处理与信息检索共享平台;W&UdPoWX X$u

3 关键词提取文件

.g.m5o{(@0

其中,关键词数量较多,如何选择重点核心词汇表现十九大中心思想呢?我们可以根据词性、权重、词频、长度、词本身意义的完整性等各种筛选条件对关键词做整理,选取适量(top100)的词突出展示。自然语言处理与信息检索共享平台dI6[6tV1Q:U l

2、tagxedo词云图制作

&]Mp k_.a1S+g/H M;S0

工具说明自然语言处理与信息检索共享平台#Y3e PXrE

首先,进入tagxedo在线地址:http://www.tagxedo.com/,首次访问的用户需要下载安装Silverlights,界面如下所示:自然语言处理与信息检索共享平台gGX3YO\?%Q)KJ X

自然语言处理与信息检索共享平台'O["xoC2Mj

4 Tagxedo界面

uQ"J;_0edYKjy3}0

Tagxedo词云图制作方法简单,容易操作,小编在此就几项主要功能点做说明。

6Xd3nmsol"h!U/V0

Respins:主题、字体、方位的设置会较大程度上影响展示效果,也是凸显个性化设计的部分,用户可根据自己需要选择。其中,方位设置推荐“H/V (Orthogonal)”。自然语言处理与信息检索共享平台+LW8unSE+n"Mt$N

Options:“shape”,背景图选择,可自己添加背景图“add image”。自然语言处理与信息检索共享平台&_6DdDUx eX

“Word/Layout Options”:这部分对中文很重要。主要是两个选项:Word选择Apply Nonlatin Heuristic设定No,这样就不会把中文分词(否则都是单词和内容分词了);Skip选择不需要的词或标签。自然语言处理与信息检索共享平台 t v\'f k3? ]

词云图制作自然语言处理与信息检索共享平台l3]&]@MV5B4x

熟悉工具之后,我们就可以利用NLPIR分析的关键词与新词数据文件进行个性化的词云图的制作了。自然语言处理与信息检索共享平台1O*gc7s%xK+z7{

第一步,将前文整理的关键词top100文件上传(或复制数据)。第二步,设置各项属性、参数,背景图添加自定义党徽图片,词云图便可生成,如下所示:自然语言处理与信息检索共享平台mR,BF;g*@P-w!H

v0ls ~,y0

5 关键词top100自然语言处理与信息检索共享平台 V\X%O[I

词频统计和新词发现词云图制作方法与关键词类似,在此不做赘述。自然语言处理与信息检索共享平台4aH/~ECt'Po

四、总结自然语言处理与信息检索共享平台.B;y&zowd$g"Sl%r r

在信息爆炸的时代,利用大数据思维解决问题一直是我们提倡的理念。此次分析报告是一次技术应用的新尝试,分析过程与结果当然有待完善补充,但我们要强调的是:让技术推动变革,拥抱生活,才能更好的服务人类!

TY5^s3F0
顶:22 踩:5
对本文中的事件或人物打分:
当前平均分:-0.33 (40次打分)
对本篇资讯内容的质量打分:
当前平均分:-0.46 (37次打分)
【已经有35人表态】
12票
感动
3票
路过
6票
高兴
2票
难过
5票
搞笑
2票
愤怒
3票
无聊
2票
同情
上一篇 下一篇
发表评论
换一张

网友评论仅供网友表达个人看法,并不表明本网同意其观点或证实其描述。

查看全部回复【已有0位网友发表了看法】