質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.51%
Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Ubuntu

Ubuntuは、Debian GNU/Linuxを基盤としたフリーのオペレーティングシステムです。

Mecab

Mecabは、オープンソースの形態素解析エンジンです。 言語、辞書、コーパスに依存しない汎用的な設計を基本方針としています。 Mecabの由来は、開発者の好物である和布蕪(めかぶ)から名づけられました。

Q&A

1回答

297閲覧

トピックを印字させたい

aoisj

総合スコア27

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Ubuntu

Ubuntuは、Debian GNU/Linuxを基盤としたフリーのオペレーティングシステムです。

Mecab

Mecabは、オープンソースの形態素解析エンジンです。 言語、辞書、コーパスに依存しない汎用的な設計を基本方針としています。 Mecabの由来は、開発者の好物である和布蕪(めかぶ)から名づけられました。

0グッド

0クリップ

投稿2017/12/04 06:14

###困っていること
こちらのサイトのサンプルコードに

python

1for topics_per_document in lda[corpus]: 2 print topics_per_document

このような部分があったのですが、この書き方の場合だと
全ての文書についてのトピックの分布を表示させているようですが、
特定の文書(例えば1つ目の文書のように)のトピック分布を表示させることはできませんか?
このコードを参考に作成したコードを以下に記します。

python

1#!/usr/bin/env python3 2# -*- coding: utf-8 -*- 3 4""" 5トピックモデル(入力:novel_setの全ての.txtファイル) 6各ファイルの管理可能 7形態素解析対象:名詞(代名詞,非自立名詞,数,固有名詞を除く) 8NGワード:あり 9""" 10 11import time 12import glob 13import MeCab 14from gensim import corpora, models 15 16#形態素解析 17def morphological_analysis(file_list, NG_WORDS): 18 mecab = MeCab.Tagger ("-Ochasen") 19 20 texts = [] 21 22 for file in file_list: 23 f = open(file, "r",encoding = "utf-8") 24 text = f.read() 25 f.close() 26 #形態素解析(文字列を改行位置で区切って分割) 27 chunks = mecab.parse(text).splitlines() 28 29 #絞り込み 30 sels = [] 31 for chunk in chunks: 32 cols = chunk.split('\t') 33 if len(cols) >= 4: 34 parts = cols[3].split('-') 35 #指定した品詞で始まっている場合 → true 36 if parts[0].startswith('名詞'): 37 #代名詞,非自立名詞,固有名詞,数を含めない 38 if parts[1] in ['代名詞','非自立','固有名詞','数']: 39 continue 40 #NGワードを含めない 41 if cols[2] in NG_WORDS: 42 continue 43 #形態素を追加 44 sels.append(cols[2]) 45 texts.append(sels) 46 return texts 47 48t0 = time.time() 49 50#file_list[file_no]:ファイル番号file_noのファイル名 51file_list = glob.glob('novel_set/*.txt') 52 53NG_WORDS = ['一','二','三','四','五','六','七','八','九','ー','-'] 54 55texts = morphological_analysis(file_list, NG_WORDS) 56 57#辞書作成 58dictionary = corpora.Dictionary(texts) 59print('辞書単語数(加工前):%d'%len(dictionary)) 60 61#辞書加工 62""" 63no_below:出現回数no_below回以下の単語を無視 64no_above:全体のno_above以上に出現した単語を無視(no_above = 0.3 ➝ 30%) 65""" 66dictionary.filter_extremes(no_below = 3, no_above = 0.3) 67 68#コーパス作成 69corpus = [dictionary.doc2bow(text) for text in texts] 70 71t1 = time.time() 72 73#トピック数 74num_topics = 5 75 76#LDAモデルに投入 77lda = models.LdaModel(corpus = corpus, id2word = dictionary, num_topics = num_topics) 78 79t2 = time.time() 80 81print(lda) 82 83#各トピックにおける各トークンの出現確率を係数で表示 84 85for i in range(num_topics): 86 print('TOPIC', i, ':', lda.print_topic(i)) 87 88 89#文書の推定トピック番号 , 推定の確信度を表示 90for topics_per_document in lda[corpus]: 91 print(topics_per_document) 92 93print(lda[0]) 94 95print('ファイル数:%d'%len(file_list)) 96 97corpus_time = t1 - t0 98print('コーパス生成時間:%f秒'%corpus_time) 99 100lda_time = t2 -t1 101print('LDAモデル生成時間:%f秒'%lda_time) 102 103total_time = t2 - t0 104print('合計時間:%f秒'%total_time)

このコードの

python

1print(lda[0])

の部分が

TypeError: object of type 'int' has no len()

というエラーになっているようです。
印字だけでなく、トピック分布の情報を利用したいので
アドバイスをいただきたいです。

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

例えば、1つ目の文書のトピック分布を表示させるのは

Python

1print(lda[corpus[0]])

で良いのではないでしょうか。

投稿2017/12/05 01:41

magichan

総合スコア15898

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

aoisj

2017/12/05 03:55

回答ありがとうございます。 例えば print(lda[corpus[0]])の出力が [(0, 0.026383900006974968), (1, 0.37382284443776886), (2, 0.25103772026504317), (3, 0.27365734864748276), (4, 0.075098186642730227)] の場合、 corpus[0]のトピック0〜4の情報はどのようにすれば扱えますか? (最も多く含まれているトピックを選ぶなど)
magichan

2017/12/05 07:45

結果はただのタプルのリストなので、そのままリストの処理を行えばよいかと思います。 ret = lda[corpus[0]] # 一番大きいTOPICを表示 print(max(ret, key=lambda d:d[1])[0]) # 大きい順にTOPICをソート print([num for num, dist in sorted(ret, key=lambda d:d[1], reverse=True)])
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.51%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問