nltkで条件を満たす共起のみを出力したい

Question

<指定した条件のみ、共起の結果を出力して欲しい>
私は、nltkで数値と共起している語を抽出したいと考えているのですが、
品詞などを指定すれば出来ると思っていたのですがうまくいきません。
一応、助詞・助動詞・読点・句点は除くことが出来ました。

import nltk
from nltk import ngrams
from pyknp import KNP
import jctconv
import re


# knpで形態素解析を行ったあとの結果をリストで返す
def separate(text,option = '-tab'):
    number_word = []
    tokens = []
    knp = KNP(option = option)
    result = knp.parse(jctconv.h2z(text,digit = True))

    for mrph in result.mrph_list():
        if not mrph.hinsi == '助詞' and not mrph.hinsi == '助動詞' and not mrph.bunrui == '読点' and not mrph.bunrui == '句点':
            print(mrph.bunrui)
            tokens.append(mrph.midasi)
    return tokens


# 形態素解析を行った結果から、共起の結果を得る
def word_cooccurrence(list):
    bigrams = nltk.bigrams(list) # バイグラムを作成
    fd = nltk.FreqDist(bigrams) # バイグラムの出現頻度分布
    return fd.items()


if __name__ == '__main__':
    with open('text.txt',encoding = 'utf8') as f:
        text = f.read()
    result = word_cooccurrence(separate(text))
    print(result)

<text.txtの中身>
ポット内の温度が１００℃より低い場合、水が沸騰しない。

<実行結果>
dict_items([(('ポット', '内'), 1), (('内', '温度'), 1), (('温度', '１００'), 1), (('１００', '℃'), 1), (('℃', '低い'), 1), (('低い', '場合'), 1), (('場合', '水'), 1), (('水', '沸騰'), 1), (('沸騰', 'し'), 1), (('し', 'ない'), 1)])

Answer 1

そこまでできていれば、辞書のキーの各要素を相手に、正規表現かなにかで

import re
num_contain_keys = [k for k in dict.keys() if any([re.search(r"\d+", elem) for elem in k])]

こんな雰囲気のコードを書けば良いでしょう。こんな感じで取れます。

import re
>>> dict_keys = [("明日", "は"), ("は", "123"), ("123", "度"), ("降水", "確率"), ("確率", "２００"), ("２００", "%")]
>>> num_contain_keys = [k for k in dict_keys if any([re.search(r"\d+", elem) for elem in k])]
>>> num_contain_keys
[('は', '123'), ('123', '度'), ('確率', '２００'), ('２００', '%')]

とりあえず数字の文字列が入っているキーをすべて取るようにしていますが、先頭が数字のものにしたい等の要求があればご自身で工夫して書き換えてください。

Comments

[syen2501]

ありがとうございます。
無事、数値に関するものだけを抽出することが出来ました。