The model will process a brute-force search algorithm to find the most repeated substrings in a string. The substrings are defined as keywords. The frequency of a keyword will be calibrated by its parental strings.
from __future__ import unicode_literals
from text.KeywordExtractor import KeywordExtractor
Crawl the Chinese product names from TreeMall online shopping website
data = [
'缺圖<箱購>【熊寶貝】衣物柔軟精純淨溫和 3.2L x 4入組',
'<超值7件組>【白蘭】超濃縮洗衣精1瓶+6 補充包(2.7Kg x1瓶+1.6Kg x6包)(蘆薈清淨)',
'熊寶貝 柔軟護衣精(2018新包裝)(沁藍海洋香3.2L)',
'【白蘭】含熊寶貝馨香精華大自然馨香洗衣粉 4.25kg(2入)',
'【LUX 麗仕】柔亮絲滑潤髮乳 NEW 750ml',
'【1/2短效期】【DOVE 多芬】清爽水嫩潔膚塊 4入',
'【白蘭】茶樹除菌超濃縮洗衣精 2. 7Kg',
'<TreeMall 來店禮獨家組>【白蘭】含熊寶貝超濃縮洗衣精 1+3件組(純淨溫和)',
'【白蘭】茶樹除菌洗衣粉4.25kg',
'【白蘭】強效除?過敏洗衣粉 4.25kg',
'【白蘭】動力配方洗碗精(鮮柚)1kg',
'【熊寶貝】衣物香氛袋清香21g',
'<4入瓶裝箱購 贈購物袋>【熊寶貝】衣物柔軟精3.0L/3.2Lx4(七款選)(沁藍海洋香 3.2L)',
'<超值組>【DOMESTOS 多霸道】多功能除菌清潔劑500ml x 2',
'<箱購> 【立頓】黃牌精選紅茶 200G x 36入組',
'【LUX 麗仕】絲蛋白精華沐浴乳水嫩柔膚1L',
'<TreeMall 來店禮獨家組>【白蘭】含熊寶貝超濃縮洗衣精 1+3件組(花漾清新)',
'【超值任選】【DOVE 多芬】水潤植萃潤髮乳 玫瑰精華 500ml',
'<超值7件組>【白蘭】超濃縮洗衣精1瓶+6 補充包(2.7Kg x1瓶+1.6Kg x6包)(強效潔淨除蹣)',
'【熊寶貝】衣物香氛袋薰衣21g',
'<TreeMall 來店禮獨家組>【白蘭】含熊寶貝超濃縮洗衣精 1+3件組(大自然馨香)',
'<超值12件組>【白蘭】不含熊濃縮洗衣精12送6組(1.6kg x12包)送衛生紙6包(蘆薈親膚)',
'【蒂沐蝶 歐洲天然有機洗沐獨家組】深層純淨1+4超值組+新款植萃皂 贈荷木方形梳(玫瑰保濕皂)',
'<超值7件組>【白蘭】超濃縮洗衣精1瓶+6 補充包(2.7Kg x1瓶+1.6Kg x6包)(茶樹除菌)',
'<箱購>【白蘭】強效潔淨除\uee80超濃縮洗衣粉1.9kg x 9入',
'<超值組>【白蘭】超濃縮洗衣精1+6件組(2.7Kg x1瓶+1.6Kg x6包)',
'【DOVE 多芬】滋養柔膚沐浴乳 舒敏溫和配方 補充包 2017版 650g',
'<1+2組>【白蘭】超濃縮洗衣精1+2補(2.7kg x1+1.6kg x2包)(強效潔淨除蹣)',
'【白蘭】蘆薈親膚超濃縮洗衣精 2. 7Kg',
'<超值組>【白蘭】蘆薈親膚超濃縮洗衣精1+6件組(2.7Kg x1瓶+1.6Kg x6包)',
'【康寶】濃湯-自然原味銀魚海帶芽 2*37g',
'箱購【白蘭】陽光馨香超濃縮洗衣精補充包 1.6Kgx8入',
'獨家贈【DOVE 多芬】滋養柔膚沐浴乳 滋養柔嫩配方(1Lx1+650mlx5)',
'【Timotei 蒂沐蝶 】深層純淨護髮乳 500g',
'【白蘭】含熊寶貝馨香呵護精華純淨溫和洗衣精補充包 1.65kg',
'東森獨家【白蘭】陽光馨香洗衣粉超值組(東森獨規)',
'【諾淨】酵素低敏濃縮洗衣精 (護色) 1.5L',
'<超值7件組>【白蘭】含熊寶貝超濃縮洗衣精 1+6件組 (大自然馨香)',
'【LUX 麗仕】煥膚香皂煥活冰爽 6入 85g',
'<箱購>【白蘭】陽光馨香超濃縮洗衣精 2.7Kg x 4入組',
'<1+2組>【白蘭】超濃縮洗衣精1+2補(2.7kg x1+1.6kg x2包)(陽光馨香)',
'【Simple】清妍清新舒緩潔面露 50ML+ 清妍旅行組(2x50ml)',
'【白蘭】動力配方洗碗精(檸檬)2.8kg',
'<超值12件組>【白蘭】不含熊濃縮洗衣精12送6組(1.6kg x12包)送衛生紙6包(錯誤)',
'<箱購>【白蘭】強效除\uee80過敏洗衣粉 4.25kg x 4入組',
'【潔而亮】特強去污液(清新檸檬芬芳)500ml',
'【LUX 麗仕】精油香氛沐浴乳迷醉甜香1L',
'<超值7件組>【白蘭】含熊寶貝超濃縮洗衣精 1+6件組 (2.8Kg x1瓶+1.65 x6包)(森林晨露)',
'【白蘭】含熊寶貝馨香精華大自然馨香超濃縮洗衣精 2.8kg*1 +補充包1.65kg*2',
'熊寶貝 柔軟護衣精(2018新包裝)(淡雅櫻花香3.0L)',
'<箱購>【AXE】黯黑經典香體噴霧150ml x 6入',
'【白蘭】含熊寶貝馨香精華純淨溫和超濃縮洗衣精 1+9件組(2.8Kg x1瓶+1.65Kg x9包)',
'【DOVE 多芬】舒柔水嫩沐浴乳(新) 1000ML',
'<箱購> 【立頓】奶茶粉原味罐裝 450g x 12入組',
'【LUX 麗仕】日本極致修護髮膜 200g'
]
ke = KeywordExtractor()
ke.fit(data)
KeywordExtractor(enable_english=True, min_ch_keyword_len=2,
min_en_keyword_len=3, n_keyword=5, ngram_range=(0, 10),
to_lowercase=False)
ke.transform(data)
array([['熊寶貝', '箱購', '入組', '純淨溫和', '衣物'],
['白蘭', '超濃縮洗衣精', '件組', '超值', '補充包'],
['衣精', '熊寶貝', '沁藍海洋香', '柔軟護衣精', '柔軟'],
['白蘭', '洗衣', '馨香', '含熊寶貝', '洗衣粉'],
['麗仕', 'LUX', '髮乳', '潤髮乳', '柔亮絲滑潤髮乳'],
['多芬', 'DOVE', '短效期', '清爽水嫩潔膚塊', '水嫩'],
['白蘭', '超濃縮洗衣精', '濃縮洗衣精', '衣精', '茶樹除菌'],
['白蘭', '件組', '超濃縮洗衣精', '含熊寶貝超濃縮洗衣精', '純淨溫和'],
['白蘭', '洗衣', '洗衣粉', '茶樹除菌', '茶樹除菌洗衣粉'],
['白蘭', '洗衣', '洗衣粉', '強效', '過敏洗衣粉'],
['白蘭', '動力配方洗碗精', '鮮柚', '', ''],
['熊寶貝', '衣物', '衣物香氛袋清香', '衣物香氛袋', ''],
['熊寶貝', '箱購', '衣物柔軟精', '衣物', '沁藍海洋香'],
['超值', '超值組', '除菌', '多霸道', '多功能除菌清潔劑'],
['箱購', '入組', '立頓', '黃牌精選紅茶', ''],
['麗仕', 'LUX', '精華', '沐浴乳', '柔膚'],
['白蘭', '件組', '超濃縮洗衣精', '含熊寶貝超濃縮洗衣精', '含熊寶貝'],
['超值', '精華', '多芬', 'DOVE', '髮乳'],
['白蘭', '超濃縮洗衣精', '件組', '超值', '補充包'],
['熊寶貝', '衣物', '衣物香氛袋薰衣', '衣物香氛袋', ''],
['白蘭', '件組', '超濃縮洗衣精', '馨香', '含熊寶貝超濃縮洗衣精'],
['白蘭', '濃縮洗衣精', '件組', '超值', '含熊'],
['超值', '超值組', '純淨', '獨家組', '蒂沐蝶'],
['白蘭', '超濃縮洗衣精', '件組', '超值', '補充包'],
['白蘭', '超濃縮洗衣', '箱購', '洗衣粉', '強效潔淨除'],
['白蘭', '超濃縮洗衣精', '件組', '超值', '超值組'],
['補充包', '多芬', 'DOVE', '配方', '溫和'],
['白蘭', '超濃縮洗衣精', '濃縮洗衣精', '衣精', '強效潔淨除蹣'],
['白蘭', '超濃縮洗衣精', '濃縮洗衣精', '衣精', '蘆薈親膚超濃縮洗衣精'],
['白蘭', '超濃縮洗衣精', '件組', '超值', '超值組'],
['自然', '自然原味銀魚海帶芽', '濃湯', '康寶', ''],
['白蘭', 'Kgx', '超濃縮洗衣精', '箱購', '馨香'],
['獨家', '多芬', 'DOVE', '配方', '沐浴乳'],
['純淨', '髮乳', '蒂沐蝶', '深層純淨護髮乳', '深層純淨'],
['白蘭', '洗衣精', '馨香', '補充包', '洗衣'],
['白蘭', '洗衣', '超值', '馨香', '獨家'],
['濃縮洗衣精', '衣精', '酵素低敏濃縮洗衣精', '護色', '諾淨'],
['白蘭', '件組', '超濃縮洗衣精', '超值', '馨香'],
['麗仕', 'LUX', '煥膚香皂煥活冰爽', '', ''],
['白蘭', '超濃縮洗衣精', '箱購', '馨香', '入組'],
['白蘭', '超濃縮洗衣精', '馨香', '陽光馨香', '濃縮洗衣精'],
['清新', '清妍清新舒緩潔面露', '清妍旅行組', '清妍', 'Simple'],
['白蘭', '檸檬', '動力配方洗碗精', '', ''],
['白蘭', '濃縮洗衣精', '件組', '超值', '含熊'],
['白蘭', '洗衣', '箱購', '入組', '洗衣粉'],
['清新', '特強去污液', '潔而亮', '清新檸檬芬芳', ''],
['麗仕', 'LUX', '沐浴乳', '香氛', '精油香氛沐浴乳迷醉甜'],
['白蘭', '件組', '超濃縮洗衣精', '超值', '含熊寶貝超濃縮洗衣精'],
['白蘭', '超濃縮洗衣精', '補充包', '馨香', '含熊寶貝'],
['衣精', '熊寶貝', '柔軟護衣精', '柔軟', '新包裝'],
['箱購', '黯黑經典香體噴霧', 'AXE', '', ''],
['白蘭', '超濃縮洗衣精', '件組', '馨香', '含熊寶貝'],
['多芬', 'DOVE', '沐浴乳', '舒柔水嫩沐浴乳', '水嫩'],
['箱購', '入組', '立頓', '奶茶粉原味罐裝', ''],
['麗仕', 'LUX', '日本極致修護髮膜', '', '']], dtype='<U32')