質問編集履歴
2
意図的な内容抹消の取り消し
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -1,9 +1,131 @@
|
|
|
1
1
|
### 前提・実現したいこと
|
|
2
|
-
|
|
3
|
-
|
|
4
2
|
|
|
5
3
|
[実現したいこと]作成したngramのプログラムについて出現回数の実装
|
|
6
4
|
|
|
5
|
+
ngramした後の出現回数がどのようになっているのか確認できるようなプログラムをどう書けばいいのかご教授いただきたいです。このソースは広いもので、文字コードの変換とpython2のコードをpython3に変換しました。
|
|
7
6
|
|
|
7
|
+
### 該当のソースコード
|
|
8
8
|
|
|
9
|
+
```python
|
|
10
|
+
|
|
11
|
+
#!/usr/bin/env python
|
|
12
|
+
|
|
13
|
+
# -*- coding: utf-8 -*-
|
|
14
|
+
|
|
15
|
+
import sys
|
|
16
|
+
|
|
17
|
+
import subprocess as cmd
|
|
18
|
+
|
|
19
|
+
# テキスト -> 単語(形態素)集合
|
|
20
|
+
|
|
21
|
+
def text2bow(obj,mod):
|
|
22
|
+
|
|
23
|
+
|
|
24
|
+
|
|
25
|
+
# input: ファイルの場合はmod="file", input: 文字列の場合はmod="str"
|
|
26
|
+
|
|
27
|
+
if mod == "file":
|
|
28
|
+
|
|
29
|
+
morp = cmd.getstatusoutput("cat " + obj + " | mecab -Owakati")
|
|
30
|
+
|
|
31
|
+
elif mod == "str":
|
|
32
|
+
|
|
9
|
-
|
|
33
|
+
morp = cmd.getstatusoutput("echo " + obj.encode('utf-8') + " | mecab -Owakati")
|
|
34
|
+
|
|
35
|
+
else:
|
|
36
|
+
|
|
37
|
+
print("error!!")
|
|
38
|
+
|
|
39
|
+
sys.exit(0)
|
|
40
|
+
|
|
41
|
+
|
|
42
|
+
|
|
43
|
+
words = morp[1]
|
|
44
|
+
|
|
45
|
+
words = words.replace('\n','')
|
|
46
|
+
|
|
47
|
+
bow = words.split(' ')
|
|
48
|
+
|
|
49
|
+
return bow
|
|
50
|
+
|
|
51
|
+
# N-gramの生成
|
|
52
|
+
|
|
53
|
+
def gen_Ngram(words,N):
|
|
54
|
+
|
|
55
|
+
|
|
56
|
+
|
|
57
|
+
ngram = []
|
|
58
|
+
|
|
59
|
+
|
|
60
|
+
|
|
61
|
+
for i in range(len(words)):
|
|
62
|
+
|
|
63
|
+
cw = ""
|
|
64
|
+
|
|
65
|
+
|
|
66
|
+
|
|
67
|
+
if i >= N-1:
|
|
68
|
+
|
|
69
|
+
for j in reversed(list(range(N))):
|
|
70
|
+
|
|
71
|
+
cw += words[i-j]
|
|
72
|
+
|
|
73
|
+
else:
|
|
74
|
+
|
|
75
|
+
continue
|
|
76
|
+
|
|
77
|
+
|
|
78
|
+
|
|
79
|
+
ngram.append(cw)
|
|
80
|
+
|
|
81
|
+
|
|
82
|
+
|
|
83
|
+
return ngram
|
|
84
|
+
|
|
85
|
+
# 出力
|
|
86
|
+
|
|
87
|
+
def output_Ngram(ngram):
|
|
88
|
+
|
|
89
|
+
|
|
90
|
+
|
|
91
|
+
for i in range(len(ngram)):
|
|
92
|
+
|
|
93
|
+
print(ngram[i])
|
|
94
|
+
|
|
95
|
+
def main():
|
|
96
|
+
|
|
97
|
+
|
|
98
|
+
|
|
99
|
+
argvs = sys.argv
|
|
100
|
+
|
|
101
|
+
|
|
102
|
+
|
|
103
|
+
# input: ファイルの場合
|
|
104
|
+
|
|
105
|
+
bow = text2bow(argvs[2],mod="file")
|
|
106
|
+
|
|
107
|
+
|
|
108
|
+
|
|
109
|
+
# input: 文字列の場合
|
|
110
|
+
|
|
111
|
+
#bow = text2bow(obj=u"これはN-gramを生成するプログラムです．",mod="str")
|
|
112
|
+
|
|
113
|
+
|
|
114
|
+
|
|
115
|
+
ngram = gen_Ngram(bow,int(argvs[1]))
|
|
116
|
+
|
|
117
|
+
|
|
118
|
+
|
|
119
|
+
output_Ngram(ngram)
|
|
120
|
+
|
|
121
|
+
if __name__ == "__main__":
|
|
122
|
+
|
|
123
|
+
|
|
124
|
+
|
|
125
|
+
main()
|
|
126
|
+
|
|
127
|
+
```
|
|
128
|
+
|
|
129
|
+
### 参考文献
|
|
130
|
+
|
|
131
|
+
https://qiita.com/takumi_TKHS/items/942492b72aaf7b6a6213
|
1
修正
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -7,155 +7,3 @@
|
|
|
7
7
|
|
|
8
8
|
|
|
9
9
|
ngramした後の出現回数がどのようになっているのか確認できるようなプログラムをどう書けばいいのかご教授いただきたいです。このソースは広いもので、文字コードの変換とpython2のコードをpython3に変換しました。
|
|
10
|
-
|
|
11
|
-
|
|
12
|
-
|
|
13
|
-
### 該当のソースコード
|
|
14
|
-
|
|
15
|
-
|
|
16
|
-
|
|
17
|
-
```python
|
|
18
|
-
|
|
19
|
-
#!/usr/bin/env python
|
|
20
|
-
|
|
21
|
-
# -*- coding: utf-8 -*-
|
|
22
|
-
|
|
23
|
-
|
|
24
|
-
|
|
25
|
-
import sys
|
|
26
|
-
|
|
27
|
-
import subprocess as cmd
|
|
28
|
-
|
|
29
|
-
|
|
30
|
-
|
|
31
|
-
# テキスト -> 単語(形態素)集合
|
|
32
|
-
|
|
33
|
-
def text2bow(obj,mod):
|
|
34
|
-
|
|
35
|
-
|
|
36
|
-
|
|
37
|
-
# input: ファイルの場合はmod="file", input: 文字列の場合はmod="str"
|
|
38
|
-
|
|
39
|
-
if mod == "file":
|
|
40
|
-
|
|
41
|
-
morp = cmd.getstatusoutput("cat " + obj + " | mecab -Owakati")
|
|
42
|
-
|
|
43
|
-
elif mod == "str":
|
|
44
|
-
|
|
45
|
-
morp = cmd.getstatusoutput("echo " + obj.encode('utf-8') + " | mecab -Owakati")
|
|
46
|
-
|
|
47
|
-
else:
|
|
48
|
-
|
|
49
|
-
print("error!!")
|
|
50
|
-
|
|
51
|
-
sys.exit(0)
|
|
52
|
-
|
|
53
|
-
|
|
54
|
-
|
|
55
|
-
words = morp[1]
|
|
56
|
-
|
|
57
|
-
words = words.replace('\n','')
|
|
58
|
-
|
|
59
|
-
|
|
60
|
-
|
|
61
|
-
bow = words.split(' ')
|
|
62
|
-
|
|
63
|
-
|
|
64
|
-
|
|
65
|
-
return bow
|
|
66
|
-
|
|
67
|
-
|
|
68
|
-
|
|
69
|
-
# N-gramの生成
|
|
70
|
-
|
|
71
|
-
def gen_Ngram(words,N):
|
|
72
|
-
|
|
73
|
-
|
|
74
|
-
|
|
75
|
-
ngram = []
|
|
76
|
-
|
|
77
|
-
|
|
78
|
-
|
|
79
|
-
for i in range(len(words)):
|
|
80
|
-
|
|
81
|
-
cw = ""
|
|
82
|
-
|
|
83
|
-
|
|
84
|
-
|
|
85
|
-
if i >= N-1:
|
|
86
|
-
|
|
87
|
-
for j in reversed(list(range(N))):
|
|
88
|
-
|
|
89
|
-
cw += words[i-j]
|
|
90
|
-
|
|
91
|
-
else:
|
|
92
|
-
|
|
93
|
-
continue
|
|
94
|
-
|
|
95
|
-
|
|
96
|
-
|
|
97
|
-
ngram.append(cw)
|
|
98
|
-
|
|
99
|
-
|
|
100
|
-
|
|
101
|
-
return ngram
|
|
102
|
-
|
|
103
|
-
|
|
104
|
-
|
|
105
|
-
# 出力
|
|
106
|
-
|
|
107
|
-
def output_Ngram(ngram):
|
|
108
|
-
|
|
109
|
-
|
|
110
|
-
|
|
111
|
-
for i in range(len(ngram)):
|
|
112
|
-
|
|
113
|
-
print(ngram[i])
|
|
114
|
-
|
|
115
|
-
|
|
116
|
-
|
|
117
|
-
def main():
|
|
118
|
-
|
|
119
|
-
|
|
120
|
-
|
|
121
|
-
argvs = sys.argv
|
|
122
|
-
|
|
123
|
-
|
|
124
|
-
|
|
125
|
-
# input: ファイルの場合
|
|
126
|
-
|
|
127
|
-
bow = text2bow(argvs[2],mod="file")
|
|
128
|
-
|
|
129
|
-
|
|
130
|
-
|
|
131
|
-
# input: 文字列の場合
|
|
132
|
-
|
|
133
|
-
#bow = text2bow(obj=u"これはN-gramを生成するプログラムです．",mod="str")
|
|
134
|
-
|
|
135
|
-
|
|
136
|
-
|
|
137
|
-
ngram = gen_Ngram(bow,int(argvs[1]))
|
|
138
|
-
|
|
139
|
-
|
|
140
|
-
|
|
141
|
-
output_Ngram(ngram)
|
|
142
|
-
|
|
143
|
-
|
|
144
|
-
|
|
145
|
-
if __name__ == "__main__":
|
|
146
|
-
|
|
147
|
-
|
|
148
|
-
|
|
149
|
-
main()
|
|
150
|
-
|
|
151
|
-
|
|
152
|
-
|
|
153
|
-
```
|
|
154
|
-
|
|
155
|
-
|
|
156
|
-
|
|
157
|
-
### 参考文献
|
|
158
|
-
|
|
159
|
-
|
|
160
|
-
|
|
161
|
-
https://qiita.com/takumi_TKHS/items/942492b72aaf7b6a6213
|