Sie können es so analysieren. Der Prozess bis zu diesem Punkt ist die morphologische Analyse. Zur Visualisierung denke ich, dass die Merkmale des Wetterkindes in den Wörtern im Satz immerhin ** Nomenklatur ** erscheinen, so dass ich nur ** Nomenklatur ** aus den morphologisch analysierten Wörtern extrahieren werde. Der Code sieht so aus

import numpy as np
import pandas as pd
import MeCab

#Wenden Sie Neologd auf Mecab an
tagger = MeCab.Tagger('-Owakati -d /usr/local/lib/mecab/dic/mecab-ipadic-neologd')

tagger.parse('')
def tokenize_ja(text, lower):
    node = tagger.parseToNode(str(text))
    while node:
        if lower and node.feature.split(',')[0] in ["Substantiv"]:#Geben Sie den Teil des Wortes an, der separat erworben werden soll
            yield node.surface.lower()
        node = node.next
def tokenize(content, token_min_len, token_max_len, lower):
    return [
        str(token) for token in tokenize_ja(content, lower)
        if token_min_len <= len(token) <= token_max_len and not token.startswith('_')
    ]

#Trainingsdaten lesen
path='../data/tenkinoko.csv'
df_tenki=pd.read_csv(path,encoding="SHIFT-JIS")


wakati_tenkinoko_text = []
for i in df_tenki['text']:
    txt = tokenize(i, 1, 10000, True)
    wakati_tenkinoko_text.append(txt)
np.savetxt("../work/tenki_corpus.txt", wakati_tenkinoko_text,fmt='%s', delimiter=',')

df_tenki['wakati_tenkinoko'] = wakati_tenkinoko_text

Das Ergebnis sieht so aus ↓ Jetzt können Sie nur die Nomenklatur aus dem Satz extrahieren!

Visualisiere mit wordclud

Sobald Sie die morphologische Analyse durchgeführt haben, ist es endlich Zeit für Wordcloud! Es sieht also nicht aus wie eine Wortwolke wie "dies" oder "dort". Der Code sieht so aus

from wordcloud import WordCloud

tenki_wordlist = df_tenki['wakati_tenkinoko'].values.tolist()
word_cloud_list = []
for i in tenki_wordlist:
    for j in i:
        word_cloud_list.append(j)
        
result = ','.join(word_cloud_list)

#Japanischer Schriftpfad
fpath = "../data/ipaexg.ttf"

stop_words = ["von","Hmm","Was","Sa","!?","von","SaHmm","Yo","Etc.","Ding","Es","damit","ちゃHmm","Was","will sehen","Wie es ist","くHmm","もvon","!?」","Dort","Wo","Apropos","Dies","Kuchen","なHmm","Hier"]

wordcloud = WordCloud(background_color='white',
    font_path=fpath, width=800, height=600, stopwords=set(stop_words)).generate(result)

#Bild speichern
wordcloud.to_file('./wordcloud.png')

Ausführungsergebnis

Hier sind die Ergebnisse! Hallo!

** Es sieht so aus als ob! !! !! !! ** ** ** Immerhin ist der Anspruch des Charakternamens sehr intensiv. Das ist richtig, weil es ein Roman ist. Außerdem "Sempai", "Sunny Woman", "Roof" und so weiter. Es gibt einige Wörter, von denen Sie eine gute Vorstellung haben. Ich habe nicht das Gefühl, dass mir die Szene des Films nur durch das Betrachten dieses Bildes in den Sinn kommt. Ja. ~~ (Ich weiß nicht was es ist, aber ich war ein wenig beeindruckt) ~~

Zusammenfassung

Ich finde das Ergebnis ziemlich gut. Es macht Spaß, mit Daten zu spielen. Als nächstes werde ich es mit word2vec analysieren. Dann ~