p208p2002 / association-words-with-wiki

使用維基百科資料尋找關聯詞

關聯詞搜尋

• 使用維基百科尋找關聯詞

使用

• 下載維基資料包放置在wikidata底下

維基資料包下載

• 引入KeyMatch

from KeyMatch import KeyMatch
km = KeyMatch()

• 切割檔案，進行預處理(只有在第一次使用需要)

km.split(jsonDataPath = jsonFile, blackFlags = blackFlags)
# jsonDataPath:str 欲切割的wikijson file
# blackFlags:list 欲過濾的詞性
# 詞性列表 https://gist.github.com/luw2007/6016931

也有切割好的檔案，放置在splitdata底下即可使用

• 進行關鍵字配對

km.match(key = key, blackWords = blackWords)
# key:str 關鍵字
# blackWords:list 過濾字

• 取得結果

km.getTop(n)
# n:int 筆數

範例輸出

# key = 華碩

[('電腦', 89), ('宏碁', 40), ('ZenFone', 40), ('臺灣', 26), ('ASUS', 24), ('廠商', 23), ('公司', 21), ('產品', 20), ('手機', 18), ('科技', 17), ('系列', 17), ('PC', 16), ('有限公司', 16), ('金獎', 16), ('銀獎', 16), ('Eee', 15), ('臺', 14), ('集團', 13), ('Pad', 13), ('電', 13), ('Nexus', 12), ('微星科技', 11), ('鄭州', 11), ('佳作', 11), ('製造業', 11), ('黃靜', 10), ('技嘉科技', 10), ('金控', 10), ('品牌', 9), ('董事長', 9), ('廣告', 9), ('企業', 9), ('友達光電', 9), ('主機板', 8), ('平板電腦', 8), ('代工', 8), ('中華電信', 8), ('宏達國際電子', 8), ('華科技', 8), ('銅獎', 8)]

# key = 蔡依林

[('歌曲', 256), ('專輯', 242), ('巡迴演唱', 192), ('上海站', 164), ('臺灣歌手', 154), ('音樂', 116), ('臺灣', 111), ('演唱會', 88), ('歌手', 80), ('表演', 74), ('MV', 64), ('zh', 60), ('單曲', 59), ('排行榜', 57), ('嘉賓', 51), ('錄音室專輯', 50), ('唱片', 46), ('演唱', 45), ('羅志祥', 42), ('場次', 40), ('周杰倫', 37), ('Play', 34), ('上海', 34), ('藝人', 33), ('張惠妹', 31), ('唱片公司', 30), ('媒體', 30), ('舞蹈', 30), ('冠軍', 29), ('收錄於', 29), ('臺北', 28), ('電影', 27), ('E', 26), ('級', 26), ('S', 25), ('女歌手', 25), ('舞曲', 25), ('香港', 24), ('美國', 23), ('安可', 23)]

ENV require

• python 3.8+