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

88.33%

stopwordsを除去する方法(python,janome)

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 2,713
退会済みユーザー

退会済みユーザー

前提・実現したいこと

分かち書きを行い、ストップワードを除去する方法を教えていただきたいです。

現在、csvファイル(1列目に文字列)を分かち書きをして出力するところまではできているのですが、ここからストップワード(url = 'https://svn.sourceforge.jp/svnroot/slothlib/CSharp/Version1/SlothLib/NLP/Filter/StopWord/word/Japanese.txt'
)を除去する方法を模索しております。

ここに質問の内容を詳しく書いてください。
(例)PHP(CakePHP)で●●なシステムを作っています。
■■な機能を実装中に以下のエラーメッセージが発生しました。

発生している問題・エラーメッセージ

エラーメッセージ

該当のソースコード

import csv
import os
import glob
import re
from janome.tokenizer import Tokenizer

t = Tokenizer()

#データの処理(不要な記号、文字の削除)
def parser(text):
 ---省略---

#分かち書き
t = Tokenizer(wakati=True)

#ファイルの指定
path = "./input"
file_list = glob.glob(path + '/' + '*.csv')

#1行目に元データ、2行目に分かち書き結果の出力
for filename in file_list:
    with open(filename, "r+", encoding="cp932", errors="ignore",newline="") as f:
        reader = csv.DictReader(f, delimiter=',')
        texts = [dict(text=c["text"], result=parser(c["text"]) ) for c in reader]
        f.seek(0)
        fieldnames = ['text', 'result']
        writer = csv.DictWriter(f, fieldnames=fieldnames)
        for row in texts:
         writer.writerow(row)
         for row in texts:
       writer.writerow(row)
  • 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
    • 過去に投稿した質問と同じ内容の質問
    • 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

stopwordsを格納したsetを作っておき、処理の過程で単語を要素としているlistができるでしょうから(できない書き方をしているのであれば、できるように見直してください)、ループか内包表記を使ってsetに含まれないものだけ残します。

単純な例を以下に示します。

>>> lst = ['吾輩', 'は', '猫', 'で', 'ある', '。']
>>> stop_words = {"は", "で", "ある", "。"}
>>> lst = [x for x in lst if x not in stop_words]
>>> lst
['吾輩', '猫']

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。

  • 2019/06/07 16:42

    ありがとうございます。
    修正して質問しなおしましたので、見ていただけると嬉しいです。

    キャンセル

  • 2019/06/08 05:43 編集

    見てみましたが、手に負えないというのが正直な感想でした。書いた本人ですら動作を理解していないものを他人が理解するのは酷というか無理です。ごめんなさい。

    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 88.33%
  • 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