WordCloudを導入した


EIGHT
WordCloudを導入した
Posted by EIGHT

WordCloudとは

文章に頻出する単語を抽出して画像に出力するシステムのこと。

実装について

import os
from tqdm import tqdm
from wordcloud import WordCloud
from pyknp import Juman
import matplotlib.pyplot as plt

juman = Juman(timeout = 1000)

exclude_list = ["社","ため","こと","もの","プロジェクト", "発表","ほか","年"]
text = "今日はいい天気です"
text = text.replace(" ", "").replace("\"", "").replace("@", "").replace("#","")
result =juman.analysis(text)
result = [mrph.midasi for mrph in result.mrph_list() if (mrph.hinsi == "名詞") and not (mrph.midasi in exclude_list)]
word_chain = ' '.join(result)

wc = WordCloud(background_color = "white",
font_path= "~/Library/Fonts/Arial Unicode.ttf")
wc.generate(word_chain)
plt.imshow(wc)
plt.axis("off")
plt.show()

形態素分析

まず形態素分析する必要がある。最新の形態素分析はJUMAN++なのでそれを導入すべし。 インストールするのは簡単だが、仮想環境にも導入するには少し面倒くさい。

WordCloudの注意点

  1. 文章をそのまま形態素分析してWordCloudに入力すると、「こと」「もの」などのしょうもない名詞や、「で」「が」などの助詞が入ってしまうので取り除く必要がある。

exclude_list = ["社","ため","こと","もの","プロジェクト", "発表","ほか","年"]
result = [mrph.midasi for mrph in result.mrph_list() if (mrph.hinsi == "名詞") and not (mrph.midasi in exclude_list)]

このように書くことで、resultには名詞のみでexclude_listは除外された単語だけが入るようになる。

  • JUMANにはエラーになりうる記号があるので、次のようにして除外しておく。

  • text = text.replace(" ", "").replace("\"", "").replace("@", "").replace("#","")
  • WordCloudは日本語に対応していないので、日本語フォントのパスを指定する必要がある。 Macであれば下記のようにする。

  • wc = WordCloud(background_color = "white",
    font_path= "~/Library/Fonts/Arial Unicode.ttf")

    株式会社ファントムへのお問い合わせ

    群馬県でPythonを使ったAIやソフトウェアを開発している株式会社ファントムが運営しています。




      Related Articles

      Django

      psycopg2がインストールできずエラーになる

      psycopg2がインストールできずエラーになる DjangoでPostgreSQLに接続するために、以下のコマンドでpsycopg2をインストールしたところ、以下のエラーが発生した時の対処法です。 エラー 実際には…の […]

      Posted on by press
      Django

      Djangoで日本語文字列のQuerySetを五十音順でソートする

      DjangoのWEBアプリケーションでQuerySetの表示順を五十音順にしたら、開発環境では五十音順で表示されているのに本番環境では五十音順になっていないときの対処法です。(中途半端に五十音順になっていて、4、5件毎に […]

      Posted on by press

      最新情報をお届けします!

      メーリングリストに登録すると株式会社ファントムの最新情報をお届けします

      お客様のメールアドレスを共有することはありません