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!

ただいまの
回答率

90.83%

  • Python 3.x

    4861questions

    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。

nltkで条件を満たす共起のみを出力したい

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 57

syen2501

score 21

<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)])
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイ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。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

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。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/06/26 14:44

    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。

    キャンセル

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 90.83%
  • 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られる

関連した質問

同じタグがついた質問を見る

  • Python 3.x

    4861questions

    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。