干货:详解《十九大的大数据语义分析报告》分析过程

非常荣幸地,我们上周的《十九大的大数据语义分析报告》得到业界的青睐与赏识。本着技术探索与交流的初衷,本着知识传播与分享的责任,小编决定为大家详解这份报告的分析过程。

一、资料与工具

1、资料来源:十九大报告全文

2、分析工具

  •  NLPIR-Parser

NLPIR-Parser是融合了自然语言理解、网络搜索和文本挖掘的技术,针对互联网内容处理需要的文本搜索与挖掘开发平台(NLPIR在线演示平台:http://ictclas.nlpir.cn/nlpir/),平台提供了用于技术二次开发的基础工具集。NLPIR-Parser下载地址:https://github.com/NLPIR-team/NLPIR/tree/master/NLPIR-Parser)

  • tagxedo词云图制作工具

Tagxedo是一款可以自定义云的外形的文字云在线生成工具。

在线地址:http://www.tagxedo.com/

二、目标与内容

目标:通过NLPIR大数据语义智能分析技术,全面解读十九大报告,领会十九大思想。

分析内容:关键词提取、词频统计、新词发现。

三、分析过程

1、十九大报告文本分析

首先,下载NLPIR-Parser文件(根据前文提供的下载地址),运行NLPIR-Parser.exe程序,界面如图:

1 NLPIR-Parser界面

NLPIR平台的十二大功能:新词发现、批量分词、语言统计、文本聚类、热点分析、摘要提取、智能过滤、情感分析、文档去重、HTML正文提取、全文检索和编码识别转换,用户可根据需要选择使用。

然后,在第一个功能模块,使用十九大报告全文作为语料源,分别进行新词与关键词提取的分析操作。提取过程如下:

2 新词提取

新词、关键词分析内容包括:词语、词性、权重和词频统计,NewTermlist(output文件夹)是新词提取结果文件,keylist是关键词提取结果文件(相同路径)。十九大报告3万余字,提取的关键词约3000个,新词约100个。后面词云图的制作将以此数据为基础。

3 关键词提取文件

其中,关键词数量较多,如何选择重点核心词汇表现十九大中心思想呢?我们可以根据词性、权重、词频、长度、词本身意义的完整性等各种筛选条件对关键词做整理,选取适量(top100)的词突出展示。

2、tagxedo词云图制作

工具说明

首先,进入tagxedo在线地址:http://www.tagxedo.com/,首次访问的用户需要下载安装Silverlights,界面如下所示:

4 Tagxedo界面

Tagxedo词云图制作方法简单,容易操作,小编在此就几项主要功能点做说明。

Respins:主题、字体、方位的设置会较大程度上影响展示效果,也是凸显个性化设计的部分,用户可根据自己需要选择。其中,方位设置推荐“H/V (Orthogonal)”。

Options:“shape”,背景图选择,可自己添加背景图“add image”。

“Word/Layout Options”:这部分对中文很重要。主要是两个选项:Word选择Apply Nonlatin Heuristic设定No,这样就不会把中文分词(否则都是单词和内容分词了);Skip选择不需要的词或标签。

词云图制作

熟悉工具之后,我们就可以利用NLPIR分析的关键词与新词数据文件进行个性化的词云图的制作了。

第一步,将前文整理的关键词top100文件上传(或复制数据)。第二步,设置各项属性、参数,背景图添加自定义党徽图片,词云图便可生成,如下所示:

5 关键词top100

词频统计和新词发现词云图制作方法与关键词类似,在此不做赘述。

四、总结

在信息爆炸的时代,利用大数据思维解决问题一直是我们提倡的理念。此次分析报告是一次技术应用的新尝试,分析过程与结果当然有待完善补充,但我们要强调的是:让技术推动变革,拥抱生活,才能更好的服务人类!

You May Also Like

About the Author: nlpir

发表回复