首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >udpipe (keywords_rake)如何将关键字链接到从中提取关键字的文档

udpipe (keywords_rake)如何将关键字链接到从中提取关键字的文档
EN

Stack Overflow用户
提问于 2020-01-28 00:04:21
回答 1查看 237关注 0票数 2

我使用udpipe包中的函数keywords_rake (针对R)从一堆文档中提取关键字。

代码语言:javascript
复制
udmodel_en <- udpipe_load_model(file = dl$file_model)
x <- udpipe_annotate(udmodel_en, x = data$text)
x <- as.data.frame(x)

keywords <- keywords_rake(x = x, term = "lemma", group = "doc_id", 
                          relevant = x$xpos %in% c("NN", "JJ"), ngram_max = 2)

其中数据如下所示

代码语言:javascript
复制
  Text
  "cats are nice but dogs are better..."
  "I really like dogs..."
  "red flowers are pretty, especially roses..."
  "once I saw a blue whale ..."
  ....

(每行是一个单独的文档)

但是,输出不包括关键字的来源,而是提供所有文档的关键字列表

如何将这些关键字链接到它们所取自的相应文档?(即每个文档都有一个关键字列表)

如下所示:

代码语言:javascript
复制
      keywords
doc1   dog, cat, blue whale
doc2   dog 
doc3   red flower, tower, Donald Trump 
EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2020-01-28 18:25:09

您可以结合使用txt_recode_ngramkeywords_rake的结果来实现这一点。优点是一切都回到了原始的data.frame,然后你可以选择你需要的东西。请参见下面的示例,使用随udpipe提供的数据集。

免责声明:在udpipe的github页面上,代码从jwijffels在issue 41中的答案中复制。

代码语言:javascript
复制
data(brussels_reviews_anno)
x <- subset(brussels_reviews_anno, language == "nl")
keywords <- keywords_rake(x = x, term = "lemma", group = "doc_id", 
                          relevant = x$xpos %in% c("NN", "JJ"), sep = "-")
head(keywords)

            keyword ngram freq     rake
1  openbaar-vervoer     2   19 2.391304
2         heel-fijn     2    2 2.236190
3  heel-vriendelijk     2    3 2.131092
4 herhaling-vatbaar     2    6 2.000000
5  heel-appartement     2    2 1.935450
6 steenworp-afstand     2    4 1.888889

x$term <- txt_recode_ngram(x$lemma, compound = keywords$keyword, ngram = keywords$ngram, sep = "-")
x$term <- ifelse(!x$term %in% keywords$keyword, NA, x$term)
head(x[!is.na(x$term), ])

        doc_id language sentence_id token_id       token      lemma xpos                term
67039 19991431       nl        4379       11         erg        erg   JJ        erg-centraal
67048 19991431       nl        4379       20        leuk       leuk   JJ          leuk-adres
67070 21054450       nl        4380        6       goede       goed   JJ        goed-locatie
67077 21054450       nl        4380       13    Europese   europees   JJ       europees-wijk
67272 23542577       nl        4393       84 uitstekende uitstekend   JJ uitstekend-gastheer
67299 40676307       nl        4396       25   gezellige   gezellig   JJ      gezellig-buurt
票数 3
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/59934757

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档