무회 Blog

class Cleaning_Text: def listToText(inputList): returnText = '' for i in inputList: returnText = returnText + i rt2 = Cleaning_Text.text_cleaning(returnText) return rt2 ## # step_4, 공통 코드 , 텍스트 클리닝 def text_cleaning(text): ################################## gensim 사용을 위한 정규표현식 200624 hangul_path9 = '[가-힣]+\.' # 한글로 포함되다 . hangul_path0 = '[가-힣]+\.[가-힣]{1}' # 한글 . + 한글 처리 h..

보호되어 있는 글입니다.

In [1]: ############################################# import tomotopy as tp import pandas as pd import numpy as np import nltk.stem, nltk.corpus, nltk.tokenize, re ,os ,time from kiwipiepy import Kiwi kiwi = Kiwi() kiwi.prepare() ############################################# from gensim import corpora from gensim import models from konlpy.utils import pprint from konlpy.tag import Hannanum from ..

In [1]: # 읽기 경로 = './' # 읽을 파일 = filename # 쓰기 경로 = './ ' (path_df 기준) path_df = './' filename = './topics_tss.csv' get_cnt = 5 # 토픽의 갯수 , 빈도수에서 자동화 숫자 k_cnt = 1 # 토픽의 개수 , 행 , 1 ~ 32767 사이의 정수 top_n_cnt = get_cnt # 토픽의 갯수 , 열 min_cf_cnt = 1 # 단어 최소 출현 빈도 , 0 일시 모든 단어를 동일하게 봄 alpha_cnt = 0.1 # 문헌‐토픽 빈도 eta_cnt = 0.01 # 토픽‐단어 빈도 tran_cnt = 200 # 자동학습 빈도 rm_top2 = 1..

In [1]: remarks = """ 읽기경로: ./news002/quanbu/' 쓰기경로: ./yoyag_test/ ---------------------------------------------------- exp: class Example_Class , class 는 첫글자 대문자로 정의, 띄어쓰기 혹은 구분 단어를 _ 바로 정의 exp: def example_function(): , 함수는 첫글자 소문자로 정의, 띄어쓰기 혹은 구분 단어를 _ 바로 정의 exp: isVariable , 변수명은 낙타기번 정의 ---------------------------------------------------- 토픽추출: 토픽 함수: Pmi_LdaTopic.get_pmiTopics 파라미터 : g..