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

90.52%

  • Python 3.x

    6316questions

    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で特定の条件を満たす共起の結果を出したい

受付中

回答 0

投稿

  • 評価
  • クリップ 0
  • VIEW 136

syen2501

score 22

<相談したい事>
pythonとnltkを用いて、共起の結果を出力したいと考えているのですが、
出力する時に、出来る限り出力結果を少なくしたいので、値の範囲(~以上、~未満など)の語が
入っている場合のみ共起の結果を返すようにしたいです。

import nltk
from pyknp import Juman
import jctconv
import re

def separate(text):
    tokens = []
    juman = Juman()
    result = juman.analysis(text)
    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':
            tokens.append(mrph.midasi)
    return tokens


# 形態素解析を行った結果から、数値に関係する語の共起の結果を得る
def number_cooccurrence(list,N):
    number_list = []
    ngram = nltk.ngrams(list,N) # N-グラムを作成(Nは指定)
    for dict_key in nltk.FreqDist(ngram).keys():
        # number_list.append(dict_key)
        if re.search(r'\d+', str(dict_key)) and not re.search(r'\d+',str(dict_key[N-1])):
            number_list.append(dict_key)
    fd = nltk.FreqDist(number_list)
    return fd.items()


if __name__ == '__main__':
    with open('sample.txt',encoding = 'utf8') as f:
        text_list = f.readlines()
        for text in text_list:
            text = ''.join(text.split()) # スペースを除く
            text = jctconv.z2h(text,kana = False, digit = True, ascii = True)
            if not text == '\n' and re.search(r'\d+\D+', text):
                print(number_cooccurrence(separate(text),3))

<実行結果>
dict_items([(('温度', '100', '℃'), 1), (('100', '℃', '以上'), 1)])
dict_items([(('月', '24', '日'), 1), (('24', '日', '大学'), 1)])

※上記の結果で、dict_items((('100', '℃', '以上'), 1)))だけ出力できるようにしたい

<考えていること>
jumanを使用しているので、値の範囲を表現する語(以上、未満など)の品詞で判定し、
タグかなにかつけることが出来ればいけそうと思っている。

上記の値の範囲を表現する語をseparate関数で出来れば、最終的な出力結果を参照することなく
出力結果を少なくできるのではないかと考えている。

  • 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。

まだ回答がついていません

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 90.52%
  • 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

    6316questions

    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。