操作文本发掘技能来找出收集中的“小鲜词”
发布时间:2021-01-18 05:51:30 所属栏目:大数据 来源:网络整理
导读:开始之前,先看一下从大家网中发明的90后用户爱用的词 是不是很好玩,哈哈。写这篇文章就是让你简朴的自动的从文本中找出新的词,这样就知道此刻的年青人喜好什么了(对付博主这种上了岁数的人来说,真的是很有效,呜呜) 项目布局 虽然,text.dat和common.d
|
副问题[/!--empirenews.page--]
开始之前,先看一下从大家网中发明的90后用户爱用的词
是不是很好玩,哈哈。写这篇文章就是让你简朴的自动的从文本中找出新的词,这样就知道此刻的年青人喜好什么了(对付博主这种上了岁数的人来说,真的是很有效,呜呜) 项目布局
虽然,text.dat和common.dic这两个文件你可以随意替代,留意text.dat中的数据必然要够份量,不然没啥结果 道理么,看下Matrix67大牛的文章你就懂了 互联网期间的社会说话学:基于SNS的文本数据发掘 实习数据下载 下边开始上代码 common这个里边包括以下几个类,首要是界说数据布局
CountMap.java界说一个计数Map来举办数据操纵和耐久化 package grid.common;
import java.io.Serializable;
import java.util.HashMap;
public class CountMap<T> extends HashMap<T,Integer> implements Serializable {
private static final long serialVersionUID = 6097963798841161750L;
public void increase(T t) {//添加元素
Integer count = get(t);
if (null == count) {
put(t,1);
} else {
put(t,++count);
}
}
public int count() { //计数
int count = 0;
for (T t : keySet()) {
count += get(t);
}
return count;
}
public int get(char c) {
Integer count = super.get(c);
return null == count ? 0 : count;
}
}
Node.java界说语法树的节点 package grid.common;
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
public class Node<T> {
protected List<Node<T>> children;
protected Node<T> parent;
protected T value;
Node(T value) {
this.value = value;
}
public Node<T> add(T value) {
if (null == children) {
children = new ArrayList<Node<T>>();
}
Node<T> child = new Node<T>(value);
child.setParent(this);
children.add(child);
return child;
}
public T getValue() {
return value;
}
public Node<T> getParent() {
return parent;
}
public void setParent(Node<T> parent) {
this.parent = parent;
}
private void recurseChildren(List<Node<T>> list,Node<T> parent) {
if (null == parent.children) {
list.add(parent);
} else {
for (Node<T> node : parent.children) {
recurseChildren(list,node);
}
}
}
public List<Node<T>> getLeaves() {
List<Node<T>> list = new ArrayList<Node<T>>();
recurseChildren(list,this);
return list;
}
public List<T> getBranchPath() {
List<T> list = new ArrayList<T>();
Node<T> node = this;
do {
list.add(node.getValue());
node = node.parent;
} while (null != node && !(node instanceof Tree<?>));
Collections.reverse(list);
return list;
}
private void append(StringBuilder builder,int deep,Node<T> node) {
for (int i = 0; i < deep; i++) {
builder.append(" ");
}
builder.append("|--");
builder.append(node.getValue());
builder.append("n");
if (null != node.children) {
for (Node<T> child : node.children) {
append(builder,deep + 1,child);
}
}
}
public String dump() {
StringBuilder builder = new StringBuilder();
append(builder,0,this);
return builder.toString();
}
public String toString() {
return value.toString();
}
}
TextDatReader.java读取实习数据 package grid.common;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
public class TextDatReader {
public static String read(String path) throws IOException {
File file = new File(path);
FileReader reader = new FileReader(file);
char buffer[] = new char[(int) file.length()];
reader.read(buffer);
return new String(buffer);
}
}
TextUtils.java(编辑:湖南网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |




