質問編集履歴
2
修正
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -69,4 +69,7 @@
|
|
|
69
69
|
|
|
70
70
|
if __name__ == "__main__":
|
|
71
71
|
tfidf()
|
|
72
|
-
```
|
|
72
|
+
```
|
|
73
|
+
|
|
74
|
+
ちなみにこのテキストファイルは30万行ほどのテキストファイルです
|
|
75
|
+
このときCPU使用率は40％ほどです
|
1
修正
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -11,4 +11,62 @@
|
|
|
11
11
|
```
|
|
12
12
|
これらを試しましたが、CPUはあまり変化しません
|
|
13
13
|
コードに何か問題があるのか
|
|
14
|
-
他に何か考えられることはありますか？
|
|
14
|
+
他に何か考えられることはありますか？
|
|
15
|
+
|
|
16
|
+
```python
|
|
17
|
+
import nltk
|
|
18
|
+
import numpy as np
|
|
19
|
+
import json
|
|
20
|
+
import nltk_exa as nl
|
|
21
|
+
import time
|
|
22
|
+
from multiprocessing import Pool
|
|
23
|
+
#import multiprocessing
|
|
24
|
+
import sys
|
|
25
|
+
|
|
26
|
+
def subcalc(word):
|
|
27
|
+
subdoc = []
|
|
28
|
+
lists = []
|
|
29
|
+
collection = nltk.TextCollection(word) #サイトにのっていた
|
|
30
|
+
#uniqterms = list(set(collection)) #ここも上と同じサイトに載っていた
|
|
31
|
+
wo=[]
|
|
32
|
+
for term in set(word):
|
|
33
|
+
if(collection.tf_idf(term, word) > 0):
|
|
34
|
+
wo.append([term,collection.tf_idf(term, word)]) #ここも上のサイトにのってる
|
|
35
|
+
#print(wo)
|
|
36
|
+
wo.sort(key=lambda x:x[1]) #keyに無名関数lambdaをいれてる woの1番目の要素(WO(1,2)だったら”2”)でソート
|
|
37
|
+
wo.reverse()
|
|
38
|
+
try:
|
|
39
|
+
slice1 = np.array(wo[:20]) #先頭の文字から終了インデックスまでが抽出
|
|
40
|
+
lists = slice1[:,0] #[:]は戦闘から終了のインデックスまで抽出と、slice1の0番目を格納
|
|
41
|
+
subdoc.append(list(lists)) #listsが文字列だから、リストに格納
|
|
42
|
+
del wo
|
|
43
|
+
except:
|
|
44
|
+
print(wo)
|
|
45
|
+
return subdoc
|
|
46
|
+
|
|
47
|
+
def tfidf():
|
|
48
|
+
t1 = time.time()
|
|
49
|
+
doc0 = []
|
|
50
|
+
doc = []
|
|
51
|
+
word0 = []
|
|
52
|
+
word = []
|
|
53
|
+
f = open("/Users//Dropbox/prg/dataset/word0_notuseful012.txt")
|
|
54
|
+
for row in f:
|
|
55
|
+
word0.append(row.split("]["))
|
|
56
|
+
f.close()
|
|
57
|
+
for i in word0[0]:
|
|
58
|
+
word.append(str(i).replace("[","").replace("]","").replace(",","").replace("'","").replace("\"","").split())
|
|
59
|
+
#word.pop()
|
|
60
|
+
ttt = time.time()
|
|
61
|
+
p = Pool(4)
|
|
62
|
+
#a = subcalc(word) #１コアによる実行
|
|
63
|
+
#print(a)
|
|
64
|
+
doc = p.map(subcalc, word) #複数コアによる実行
|
|
65
|
+
t3 = time.time()
|
|
66
|
+
#print(doc[0][0])
|
|
67
|
+
#print('processing time(nltkはこんだけかかってる)(終わり): ' + str(ttt - tt) + '(sec)')
|
|
68
|
+
print('processing time2(終わり): ' + str(t3 - ttt) + '(sec)')
|
|
69
|
+
|
|
70
|
+
if __name__ == "__main__":
|
|
71
|
+
tfidf()
|
|
72
|
+
```
|