词云展示

成果展示：

图1

图2

图3

图4

NLP相关流程：

分词->统计词频->建立词云

建立词云貌似有两种方式：一种是直接传入文本，另一种传入词和对应的出现次数（本项目使用第二种方式）

项目结构描述

├── README.md       // 描述文件
├── 中文词云.py     // 主函数文件/运行文件
├── 英文词云.py     // 主函数文件/运行文件
├── 改变背景.py     // 主函数文件/运行文件
├── 中文.txt        // 中文的数据文本 
├── xin.jpeg        // 所用背景图 
├── man.jpeg        // 所用背景图 
├── 哈工大停用词.txt// 哈工大停用词+自己添加部分停用词，好像没用上？
└── 英文.txt        //英文的数据文本

英文词云：

1、分词：大多数情况下以空格进行分割（本项目用的jieba）

2、处理停用词：本项目未处理

3、设计vocab：统计词频、排序

4、建立词云

中文文本：

1、分词：比英文复杂一点，往往采用jieba分词等工具进行分词（本项目使用jieba）

2、处理分词：相对于英语该部分比较少

3、设计vocab：统计词频、排序

4、建立词云

（其实没啥区别，不过建立中文词云需要设置字体，否则会是框）

文件介绍：

中文词云.py：最基本的词云（图1）

英文词云.py：最基本的词云（图2）

改变背景.py：更改形状和字体颜色的词云（图3、图4）

NLP相关流程：

分词->统计词频->建立词云

建立词云貌似有两种方式：一种是直接传入文本，另一种传入词和对应的出现次数（本项目使用第二种方式）

英文词云：

1、分词：大多数情况下以空格进行分割（本项目用的jieba）

2、处理停用词：本项目未处理

3、设计vocab：统计词频、排序

4、建立词云

中文文本：

1、分词：比英文复杂一点，往往采用jieba分词等工具进行分词（本项目使用jieba）

2、处理分词：相对于英语该部分比较少

3、设计vocab：统计词频、排序

4、建立词云

（其实没啥区别，不过建立中文词云需要设置字体，否则会是框）

shengyuanwang / cs128_final_project Goto Github PK

cs128_final_project's Introduction

词云展示

NLP相关流程：

项目结构描述

英文词云：

1、分词：大多数情况下以空格进行分割（本项目用的jieba）

2、处理停用词：本项目未处理

3、设计vocab：统计词频、排序

4、建立词云

中文文本：

1、分词：比英文复杂一点，往往采用jieba分词等工具进行分词（本项目使用jieba）

2、处理分词：相对于英语该部分比较少

3、设计vocab：统计词频、排序

4、建立词云

文件介绍：

中文词云.py：最基本的词云（图1）

英文词云.py：最基本的词云（图2）

改变背景.py：更改形状和字体颜色的词云（图3、图4）

NLP相关流程：

英文词云：

1、分词：大多数情况下以空格进行分割（本项目用的jieba）

2、处理停用词：本项目未处理

3、设计vocab：统计词频、排序

4、建立词云

中文文本：

1、分词：比英文复杂一点，往往采用jieba分词等工具进行分词（本项目使用jieba）

2、处理分词：相对于英语该部分比较少

3、设计vocab：统计词频、排序

4、建立词云

cs128_final_project's People

Contributors

Stargazers

Watchers

Recommend Projects

Recommend Topics

Recommend Org