干货:详解《十九大的大数据语义分析报告》分析过程

热度79票  浏览855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。自然语言处理与信息检索共享平台5dU(Gsf:l

一、资料与工具

i&u"sxY0

1、资料来源:十九大报告全文自然语言处理与信息检索共享平台P#KSJa3gJ4F7k

2、分析工具

g6Ba+C V5iT5z0

  •  NLPIR-Parser
自然语言处理与信息检索共享平台a7J;Ig"~N#E

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$S)pV1c m

  • tagxedo词云图制作工具
自然语言处理与信息检索共享平台R]El2t

Tagxedo是一款可以自定义云的外形的文字云在线生成工具。

jMq8o/q mEI0

在线地址:http://www.tagxedo.com/自然语言处理与信息检索共享平台.})~!F1~T

二、目标与内容自然语言处理与信息检索共享平台[+^1S!dnD^b

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。

p[D6|7U0

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_5~r#Cjpsq)G

三、分析过程

:X)A#W.T]8n j O2LH0

1、十九大报告文本分析

4zb*AV/G.o.r0

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:自然语言处理与信息检索共享平台)j-@A}3Z

-uw0B6m(S0

1 NLPIR-Parser界面

$l1aN4Y%W{"St0

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。

7t9@0fy h:E$JP0

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:

`?A;l:d-P0

_'_ dZ] z;@+aL0

2 新词提取自然语言处理与信息检索共享平台SP*c~ x\G9D*K

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。

;B8F2~F0h:{+Zp0

自然语言处理与信息检索共享平台k#oX8R%ijF

3 关键词提取文件自然语言处理与信息检索共享平台Ii{/N7j"B:F$t(p

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/L;[/Ce&p$lw5N

2、tagxedo词云图制作

sm;sy1a.] j0

工具说明自然语言处理与信息检索共享平台R bg7{~_%N[1X J

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:

#A*X[&_,il0

{YmL,O(K H0

4 Tagxedo界面

V(OlS9v v0

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。

bx:|w[!~0

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 C\y6shM

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-E},sV$WL6_!t Rw

“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2sc-u{:J

词云图制作自然语言处理与信息检索共享平台q8Eh,F qGY"k

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 i} [Uz5^

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:

@s9t#G(ec:U&[0

自然语言处理与信息检索共享平台AQs|]xA`b

5 关键词top100自然语言处理与信息检索共享平台#_M+qB,O\jF

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。

!i9\4`qg(a8c`2yi!s"i0

四、总结

"Z D"q/Ui B`-]0

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!

s3h {:B @ R.GaoD0
顶:11 踩:4
对本文中的事件或人物打分:
当前平均分:0.7 (23次打分)
对本篇资讯内容的质量打分:
当前平均分:0.19 (21次打分)
【已经有20人表态】
3票
感动
2票
路过
4票
高兴
1票
难过
4票
搞笑
2票
愤怒
2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】