从文档集合中自动提取关键字
Distiller的Python项目详细描述
蒸馏器
==
格式。
要求
----
Distiller使用[自然语言工具包]（http://www.nltk.org/）
>您需要下载两个NLtk包：
>；>；导入NLtk
>；>；nltk.downloader（）
downloader>；d
下载哪个包（l=list；x=cancel）？
identifier>；maxent_treebank_pos_tagger
downloader>；d
下载哪个包（l=list；x=cancel）？
identifier>；stopwords
installation
----
-
>；distiller.distiller import distiller
>；Distiller=Distiller（数据、目标、选项）
参数
——
\data
json格式的文档集合所在文件的路径。
{
“元数据”：{
“基本URL”：“文档的源URL（如果有）
'文档'：[
{
'id'：'文档的唯一标识符（如果有的话）'，
'正文'：'单个文本块中的整个文档正文。'，
}，…
]
}
文档。
三元组：文档中单词三元组的列表及其被检测为密钥对的频率。
docmap：文档ID到其各自关键字n-grams的映射，以及其他统计信息。
keymap：关键字到它们出现在文档中的文档的映射。
#预处理期间的词干标记
“lemmatize”：false，
“tfidf_cutoff”：0.001，
用于术语freq/doc freq score的截止值
“pos_list”：[“nn”，“nnp”]，
“pos white list”用于筛选候选人从候选项中筛选出
}
==
格式。
要求
----
Distiller使用[自然语言工具包]（http://www.nltk.org/）
>您需要下载两个NLtk包：
>；>；导入NLtk
>；>；nltk.downloader（）
downloader>；d
下载哪个包（l=list；x=cancel）？
identifier>；maxent_treebank_pos_tagger
downloader>；d
下载哪个包（l=list；x=cancel）？
identifier>；stopwords
installation
----
-
>；distiller.distiller import distiller
>；Distiller=Distiller（数据、目标、选项）
参数
——
\data
json格式的文档集合所在文件的路径。
{
“元数据”：{
“基本URL”：“文档的源URL（如果有）
'文档'：[
{
'id'：'文档的唯一标识符（如果有的话）'，
'正文'：'单个文本块中的整个文档正文。'，
}，…
]
}
文档。
三元组：文档中单词三元组的列表及其被检测为密钥对的频率。
docmap：文档ID到其各自关键字n-grams的映射，以及其他统计信息。
keymap：关键字到它们出现在文档中的文档的映射。
#预处理期间的词干标记
“lemmatize”：false，
“tfidf_cutoff”：0.001，
用于术语freq/doc freq score的截止值
“pos_list”：[“nn”，“nnp”]，
“pos white list”用于筛选候选人从候选项中筛选出
}
欢迎加入QQ群-->： 979659372
