干货:详解《十九大的大数据语义分析报告》分析过程

热度115票  浏览1201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。

R!L`bH6B9F0

一、资料与工具

`/sX P^Rfg)brw0

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Rx4G+f[9l(eq

2、分析工具

fK@(^c'zx-k N0

  •  NLPIR-Parser

0B(k~,@.]0

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,Je/D*e5btiZ[(_1q

  • tagxedo词云图制作工具

H$D)S ^2z0

Tagxedo是一款可以自定义云的外形的文字云在线生成工具。自然语言处理与信息检索共享平台0}|.Vs\]ac

在线地址:http://www.tagxedo.com/

H:F gZo#ng0

二、目标与内容自然语言处理与信息检索共享平台7\g6?8[a/u^-N3L

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。

"@|4D4h Y fiz'W0

分析内容:关键词提取、词频统计、新词发现。

)KAV?(j(biO0

三、分析过程自然语言处理与信息检索共享平台&d.Za2E8To}|

1、十九大报告文本分析

"rykl:S/Y:X0

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:

%U qr],P0

自然语言处理与信息检索共享平台l-_ Gg8a3kX!?

1 NLPIR-Parser界面自然语言处理与信息检索共享平台-\fN2u3M!U2Ps

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w s7Z"~T-rjL

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:

0M w`6j ~EV0

自然语言处理与信息检索共享平台F[ U2iy_(~w T

2 新词提取

nz%t;?aIz0

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。

u.d5P;u RsZ4O mO0

自然语言处理与信息检索共享平台 z!a^fRD:ip$Y\c

3 关键词提取文件自然语言处理与信息检索共享平台\~K?-Ma1e1N_

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。

Buiux\0

2、tagxedo词云图制作

ve$f1H&qkptx0

工具说明自然语言处理与信息检索共享平台l+fL(Y{9An-e5t!kV

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q7H @ FA

*VBaZt2J` S0

4 Tagxedo界面自然语言处理与信息检索共享平台}X"o_vc [1e'T{

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。

1H`y!z5`']t0

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 YU8v0o.|;H

Options:“shape”,背景图选择,可自己添加背景图“add image”。

y&s:BM/e%qi0

“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。

Y"A-d [2tf u8q0

词云图制作自然语言处理与信息检索共享平台{iF+q1| i

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'w|;@I[2S

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+v.IV:Ny'N

自然语言处理与信息检索共享平台yK,X}|LE&@bQ,p

5 关键词top100

3A7L\ y!r0

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0M Jk0V$@

四、总结自然语言处理与信息检索共享平台.{%d6hOU i,Be+Q

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!

'g&C f-J4D3Zpw R0
顶:16 踩:4
对本文中的事件或人物打分:
当前平均分:0.26 (34次打分)
对本篇资讯内容的质量打分:
当前平均分:0.13 (31次打分)
【已经有30人表态】
7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】