raske-nlp 0.1.5
This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
- checksums.yaml +7 -0
- data/.gitignore +23 -0
- data/.travis.yml +5 -0
- data/Gemfile +6 -0
- data/Gemfile.lock +20 -0
- data/MIT-LICENSE +21 -0
- data/README.md +31 -0
- data/Rakefile +1 -0
- data/bin/console +14 -0
- data/data/AliStopList.txt +309 -0
- data/data/StopWordsIso.txt +733 -0
- data/lib/raske-nlp.rb +17 -0
- data/lib/raske-nlp/result.rb +79 -0
- data/lib/raske-nlp/stop_list.rb +22 -0
- data/lib/raske-nlp/version.rb +3 -0
- data/raske-nlp.gemspec +23 -0
- metadata +86 -0
checksums.yaml
ADDED
@@ -0,0 +1,7 @@
|
|
1
|
+
---
|
2
|
+
SHA256:
|
3
|
+
metadata.gz: ecbcbf018652bd37d47dc9fa14976542a922a28a9e7a0fa6b5fd5433320591cf
|
4
|
+
data.tar.gz: cde1f719a9f497ab2973a0c6e66a23dc06142fe24c61d5c4bf4277b0ed918fba
|
5
|
+
SHA512:
|
6
|
+
metadata.gz: b633edb8e0bf49796a073f888526da8b3608a702180275858db399ac917e40b0e2fb96ed4d682814cf6e2a871121ea2371b1c94f5d4332b24a95659b69ec874b
|
7
|
+
data.tar.gz: 499dbc7271456165a6a272382adaf96da404d6226536817464d0848c8deaaea27196ce6e9432f9087e20bfc58571489812b1fb63cf4e0f495cd56c16be86cdcf
|
data/.gitignore
ADDED
@@ -0,0 +1,23 @@
|
|
1
|
+
/.bundle/
|
2
|
+
/.yardoc
|
3
|
+
/_yardoc/
|
4
|
+
/coverage/
|
5
|
+
/doc/
|
6
|
+
/pkg/
|
7
|
+
/spec/reports/
|
8
|
+
/tmp/
|
9
|
+
|
10
|
+
# rspec failure tracking
|
11
|
+
.rspec_status
|
12
|
+
.ruby-version
|
13
|
+
.ruby-gemset
|
14
|
+
*.gem
|
15
|
+
|
16
|
+
|
17
|
+
result = RaskeNLP.run(text, {
|
18
|
+
min_phrase_length: 1,
|
19
|
+
max_phrase_length: 3,
|
20
|
+
min_frequency: 1,
|
21
|
+
min_score: 1,
|
22
|
+
stop_list: RaskeNLP::StopList::ALI
|
23
|
+
})
|
data/.travis.yml
ADDED
data/Gemfile
ADDED
data/Gemfile.lock
ADDED
data/MIT-LICENSE
ADDED
@@ -0,0 +1,21 @@
|
|
1
|
+
The MIT License (MIT)
|
2
|
+
|
3
|
+
Copyright (c) 2017 Sam Pohlenz
|
4
|
+
|
5
|
+
Permission is hereby granted, free of charge, to any person obtaining a copy
|
6
|
+
of this software and associated documentation files (the "Software"), to deal
|
7
|
+
in the Software without restriction, including without limitation the rights
|
8
|
+
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
|
9
|
+
copies of the Software, and to permit persons to whom the Software is
|
10
|
+
furnished to do so, subject to the following conditions:
|
11
|
+
|
12
|
+
The above copyright notice and this permission notice shall be included in
|
13
|
+
all copies or substantial portions of the Software.
|
14
|
+
|
15
|
+
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
|
16
|
+
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
|
17
|
+
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
|
18
|
+
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
|
19
|
+
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
|
20
|
+
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN
|
21
|
+
THE SOFTWARE.
|
data/README.md
ADDED
@@ -0,0 +1,31 @@
|
|
1
|
+
# raske-nlp
|
2
|
+
|
3
|
+
> Ruby implementation of the Rapid Automatic Spanish Keyword Extraction (RAKE) algorithm
|
4
|
+
|
5
|
+
## Usage
|
6
|
+
|
7
|
+
```ruby
|
8
|
+
text = "Uno de enero, dos de febrero, tres de marzo, cuatro de abril, cinco de mayo,
|
9
|
+
seis de junio siete de julio, ¡SAN FERMÍN! Uno de enero, dos de febrero,
|
10
|
+
tres de marzo, cuatro de abril, cinco de mayo, seis de junio siete de julio, ¡SAN FERMÍN!
|
11
|
+
A Pamplona hemos de ir, con una media, con una media, a Pamplona hemos de ir
|
12
|
+
con una media y un calcetín."
|
13
|
+
|
14
|
+
result = RaskeNLP.run(text, {
|
15
|
+
min_phrase_length: 1,
|
16
|
+
max_phrase_length: 3,
|
17
|
+
min_frequency: 1,
|
18
|
+
min_score: 1,
|
19
|
+
stop_list: RaskeNLP::StopList::ISO
|
20
|
+
})
|
21
|
+
|
22
|
+
result.keywords
|
23
|
+
```
|
24
|
+
|
25
|
+
```ruby
|
26
|
+
=> {"san fermín"=>15.333333333333334, "calcetín"=>5.333333333333334, "media"=>1.0, "pamplona"=>1.0, "julio"=>1.0, "junio"=>1.0, "mayo"=>1.0, "abril"=>1.0, "marzo"=>1.0, "febrero"=>1.0, "enero"=>1.0}
|
27
|
+
```
|
28
|
+
|
29
|
+
## License
|
30
|
+
|
31
|
+
The gem is available as open source under the terms of the [MIT License](https://opensource.org/licenses/MIT).
|
data/Rakefile
ADDED
@@ -0,0 +1 @@
|
|
1
|
+
require "bundler/gem_tasks"
|
data/bin/console
ADDED
@@ -0,0 +1,14 @@
|
|
1
|
+
#!/usr/bin/env ruby
|
2
|
+
|
3
|
+
require "bundler/setup"
|
4
|
+
require "raske-nlp"
|
5
|
+
|
6
|
+
TEXT = <<-EOF.strip
|
7
|
+
Compatibility of systems of linear constraints over the set of natural numbers
|
8
|
+
Criteria of compatibility of a system of linear Diophantine equations, strict inequations, and nonstrict inequations are considered. Upper bounds for components of a minimal set of solutions and algorithms of construction of minimal generating sets of solutions for all types of systems are given. These criteria and the corresponding algorithms for constructing a minimal supporting set of solutions can be used in solving all the considered types of systems and systems of mixed types.
|
9
|
+
EOF
|
10
|
+
|
11
|
+
puts "TEXT: #{TEXT.inspect}"
|
12
|
+
|
13
|
+
require "irb"
|
14
|
+
IRB.start(__FILE__)
|
@@ -0,0 +1,309 @@
|
|
1
|
+
# From https://raw.githubusercontent.com/Alir3z4/stop-words/master/spanish.txt
|
2
|
+
a
|
3
|
+
al
|
4
|
+
algo
|
5
|
+
algunas
|
6
|
+
algunos
|
7
|
+
ante
|
8
|
+
antes
|
9
|
+
como
|
10
|
+
con
|
11
|
+
contra
|
12
|
+
cual
|
13
|
+
cuando
|
14
|
+
de
|
15
|
+
del
|
16
|
+
desde
|
17
|
+
donde
|
18
|
+
durante
|
19
|
+
e
|
20
|
+
el
|
21
|
+
ella
|
22
|
+
ellas
|
23
|
+
ellos
|
24
|
+
en
|
25
|
+
entre
|
26
|
+
era
|
27
|
+
erais
|
28
|
+
eran
|
29
|
+
eras
|
30
|
+
eres
|
31
|
+
es
|
32
|
+
esa
|
33
|
+
esas
|
34
|
+
ese
|
35
|
+
eso
|
36
|
+
esos
|
37
|
+
esta
|
38
|
+
estaba
|
39
|
+
estabais
|
40
|
+
estaban
|
41
|
+
estabas
|
42
|
+
estad
|
43
|
+
estada
|
44
|
+
estadas
|
45
|
+
estado
|
46
|
+
estados
|
47
|
+
estamos
|
48
|
+
estando
|
49
|
+
estar
|
50
|
+
estaremos
|
51
|
+
estará
|
52
|
+
estarán
|
53
|
+
estarás
|
54
|
+
estaré
|
55
|
+
estaréis
|
56
|
+
estaría
|
57
|
+
estaríais
|
58
|
+
estaríamos
|
59
|
+
estarían
|
60
|
+
estarías
|
61
|
+
estas
|
62
|
+
este
|
63
|
+
estemos
|
64
|
+
esto
|
65
|
+
estos
|
66
|
+
estoy
|
67
|
+
estuve
|
68
|
+
estuviera
|
69
|
+
estuvierais
|
70
|
+
estuvieran
|
71
|
+
estuvieras
|
72
|
+
estuvieron
|
73
|
+
estuviese
|
74
|
+
estuvieseis
|
75
|
+
estuviesen
|
76
|
+
estuvieses
|
77
|
+
estuvimos
|
78
|
+
estuviste
|
79
|
+
estuvisteis
|
80
|
+
estuviéramos
|
81
|
+
estuviésemos
|
82
|
+
estuvo
|
83
|
+
está
|
84
|
+
estábamos
|
85
|
+
estáis
|
86
|
+
están
|
87
|
+
estás
|
88
|
+
esté
|
89
|
+
estéis
|
90
|
+
estén
|
91
|
+
estés
|
92
|
+
fue
|
93
|
+
fuera
|
94
|
+
fuerais
|
95
|
+
fueran
|
96
|
+
fueras
|
97
|
+
fueron
|
98
|
+
fuese
|
99
|
+
fueseis
|
100
|
+
fuesen
|
101
|
+
fueses
|
102
|
+
fui
|
103
|
+
fuimos
|
104
|
+
fuiste
|
105
|
+
fuisteis
|
106
|
+
fuéramos
|
107
|
+
fuésemos
|
108
|
+
ha
|
109
|
+
habida
|
110
|
+
habidas
|
111
|
+
habido
|
112
|
+
habidos
|
113
|
+
habiendo
|
114
|
+
habremos
|
115
|
+
habrá
|
116
|
+
habrán
|
117
|
+
habrás
|
118
|
+
habré
|
119
|
+
habréis
|
120
|
+
habría
|
121
|
+
habríais
|
122
|
+
habríamos
|
123
|
+
habrían
|
124
|
+
habrías
|
125
|
+
habéis
|
126
|
+
había
|
127
|
+
habíais
|
128
|
+
habíamos
|
129
|
+
habían
|
130
|
+
habías
|
131
|
+
han
|
132
|
+
has
|
133
|
+
hasta
|
134
|
+
hay
|
135
|
+
haya
|
136
|
+
hayamos
|
137
|
+
hayan
|
138
|
+
hayas
|
139
|
+
hayáis
|
140
|
+
he
|
141
|
+
hemos
|
142
|
+
hube
|
143
|
+
hubiera
|
144
|
+
hubierais
|
145
|
+
hubieran
|
146
|
+
hubieras
|
147
|
+
hubieron
|
148
|
+
hubiese
|
149
|
+
hubieseis
|
150
|
+
hubiesen
|
151
|
+
hubieses
|
152
|
+
hubimos
|
153
|
+
hubiste
|
154
|
+
hubisteis
|
155
|
+
hubiéramos
|
156
|
+
hubiésemos
|
157
|
+
hubo
|
158
|
+
la
|
159
|
+
las
|
160
|
+
le
|
161
|
+
les
|
162
|
+
lo
|
163
|
+
los
|
164
|
+
me
|
165
|
+
mi
|
166
|
+
mis
|
167
|
+
mucho
|
168
|
+
muchos
|
169
|
+
muy
|
170
|
+
más
|
171
|
+
mí
|
172
|
+
mía
|
173
|
+
mías
|
174
|
+
mío
|
175
|
+
míos
|
176
|
+
nada
|
177
|
+
ni
|
178
|
+
no
|
179
|
+
nos
|
180
|
+
nosotras
|
181
|
+
nosotros
|
182
|
+
nuestra
|
183
|
+
nuestras
|
184
|
+
nuestro
|
185
|
+
nuestros
|
186
|
+
o
|
187
|
+
os
|
188
|
+
otra
|
189
|
+
otras
|
190
|
+
otro
|
191
|
+
otros
|
192
|
+
para
|
193
|
+
pero
|
194
|
+
poco
|
195
|
+
por
|
196
|
+
porque
|
197
|
+
que
|
198
|
+
quien
|
199
|
+
quienes
|
200
|
+
qué
|
201
|
+
se
|
202
|
+
sea
|
203
|
+
seamos
|
204
|
+
sean
|
205
|
+
seas
|
206
|
+
seremos
|
207
|
+
será
|
208
|
+
serán
|
209
|
+
serás
|
210
|
+
seré
|
211
|
+
seréis
|
212
|
+
sería
|
213
|
+
seríais
|
214
|
+
seríamos
|
215
|
+
serían
|
216
|
+
serías
|
217
|
+
seáis
|
218
|
+
sido
|
219
|
+
siendo
|
220
|
+
sin
|
221
|
+
sobre
|
222
|
+
sois
|
223
|
+
somos
|
224
|
+
son
|
225
|
+
soy
|
226
|
+
su
|
227
|
+
sus
|
228
|
+
suya
|
229
|
+
suyas
|
230
|
+
suyo
|
231
|
+
suyos
|
232
|
+
sí
|
233
|
+
también
|
234
|
+
tanto
|
235
|
+
te
|
236
|
+
tendremos
|
237
|
+
tendrá
|
238
|
+
tendrán
|
239
|
+
tendrás
|
240
|
+
tendré
|
241
|
+
tendréis
|
242
|
+
tendría
|
243
|
+
tendríais
|
244
|
+
tendríamos
|
245
|
+
tendrían
|
246
|
+
tendrías
|
247
|
+
tened
|
248
|
+
tenemos
|
249
|
+
tenga
|
250
|
+
tengamos
|
251
|
+
tengan
|
252
|
+
tengas
|
253
|
+
tengo
|
254
|
+
tengáis
|
255
|
+
tenida
|
256
|
+
tenidas
|
257
|
+
tenido
|
258
|
+
tenidos
|
259
|
+
teniendo
|
260
|
+
tenéis
|
261
|
+
tenía
|
262
|
+
teníais
|
263
|
+
teníamos
|
264
|
+
tenían
|
265
|
+
tenías
|
266
|
+
ti
|
267
|
+
tiene
|
268
|
+
tienen
|
269
|
+
tienes
|
270
|
+
todo
|
271
|
+
todos
|
272
|
+
tu
|
273
|
+
tus
|
274
|
+
tuve
|
275
|
+
tuviera
|
276
|
+
tuvierais
|
277
|
+
tuvieran
|
278
|
+
tuvieras
|
279
|
+
tuvieron
|
280
|
+
tuviese
|
281
|
+
tuvieseis
|
282
|
+
tuviesen
|
283
|
+
tuvieses
|
284
|
+
tuvimos
|
285
|
+
tuviste
|
286
|
+
tuvisteis
|
287
|
+
tuviéramos
|
288
|
+
tuviésemos
|
289
|
+
tuvo
|
290
|
+
tuya
|
291
|
+
tuyas
|
292
|
+
tuyo
|
293
|
+
tuyos
|
294
|
+
tú
|
295
|
+
un
|
296
|
+
una
|
297
|
+
uno
|
298
|
+
unos
|
299
|
+
vosotras
|
300
|
+
vosotros
|
301
|
+
vuestra
|
302
|
+
vuestras
|
303
|
+
vuestro
|
304
|
+
vuestros
|
305
|
+
y
|
306
|
+
ya
|
307
|
+
yo
|
308
|
+
él
|
309
|
+
éramos
|
@@ -0,0 +1,733 @@
|
|
1
|
+
#stop word list from ISO (Salton,1971). Available at https://github.com/stopwords-iso/stopwords-es/blob/master/stopwords-es.txt
|
2
|
+
0
|
3
|
+
1
|
4
|
+
2
|
5
|
+
3
|
6
|
+
4
|
7
|
+
5
|
8
|
+
6
|
9
|
+
7
|
10
|
+
8
|
11
|
+
9
|
12
|
+
_
|
13
|
+
a
|
14
|
+
actualmente
|
15
|
+
acuerdo
|
16
|
+
adelante
|
17
|
+
ademas
|
18
|
+
además
|
19
|
+
adrede
|
20
|
+
afirmó
|
21
|
+
agregó
|
22
|
+
ahi
|
23
|
+
ahora
|
24
|
+
ahí
|
25
|
+
al
|
26
|
+
algo
|
27
|
+
alguna
|
28
|
+
algunas
|
29
|
+
alguno
|
30
|
+
algunos
|
31
|
+
algún
|
32
|
+
alli
|
33
|
+
allí
|
34
|
+
alrededor
|
35
|
+
ambos
|
36
|
+
ampleamos
|
37
|
+
antano
|
38
|
+
antaño
|
39
|
+
ante
|
40
|
+
anterior
|
41
|
+
antes
|
42
|
+
apenas
|
43
|
+
aproximadamente
|
44
|
+
aquel
|
45
|
+
aquella
|
46
|
+
aquellas
|
47
|
+
aquello
|
48
|
+
aquellos
|
49
|
+
aqui
|
50
|
+
aquél
|
51
|
+
aquélla
|
52
|
+
aquéllas
|
53
|
+
aquéllos
|
54
|
+
aquí
|
55
|
+
arriba
|
56
|
+
arribaabajo
|
57
|
+
aseguró
|
58
|
+
asi
|
59
|
+
así
|
60
|
+
atras
|
61
|
+
aun
|
62
|
+
aunque
|
63
|
+
ayer
|
64
|
+
añadió
|
65
|
+
aún
|
66
|
+
b
|
67
|
+
bajo
|
68
|
+
bastante
|
69
|
+
bien
|
70
|
+
breve
|
71
|
+
buen
|
72
|
+
buena
|
73
|
+
buenas
|
74
|
+
bueno
|
75
|
+
buenos
|
76
|
+
c
|
77
|
+
cada
|
78
|
+
casi
|
79
|
+
cerca
|
80
|
+
cierta
|
81
|
+
ciertas
|
82
|
+
cierto
|
83
|
+
ciertos
|
84
|
+
cinco
|
85
|
+
claro
|
86
|
+
comentó
|
87
|
+
como
|
88
|
+
con
|
89
|
+
conmigo
|
90
|
+
conocer
|
91
|
+
conseguimos
|
92
|
+
conseguir
|
93
|
+
considera
|
94
|
+
consideró
|
95
|
+
consigo
|
96
|
+
consigue
|
97
|
+
consiguen
|
98
|
+
consigues
|
99
|
+
contigo
|
100
|
+
contra
|
101
|
+
cosas
|
102
|
+
creo
|
103
|
+
cual
|
104
|
+
cuales
|
105
|
+
cualquier
|
106
|
+
cuando
|
107
|
+
cuanta
|
108
|
+
cuantas
|
109
|
+
cuanto
|
110
|
+
cuantos
|
111
|
+
cuatro
|
112
|
+
cuenta
|
113
|
+
cuál
|
114
|
+
cuáles
|
115
|
+
cuándo
|
116
|
+
cuánta
|
117
|
+
cuántas
|
118
|
+
cuánto
|
119
|
+
cuántos
|
120
|
+
cómo
|
121
|
+
d
|
122
|
+
da
|
123
|
+
dado
|
124
|
+
dan
|
125
|
+
dar
|
126
|
+
de
|
127
|
+
debajo
|
128
|
+
debe
|
129
|
+
deben
|
130
|
+
debido
|
131
|
+
decir
|
132
|
+
dejó
|
133
|
+
del
|
134
|
+
delante
|
135
|
+
demasiado
|
136
|
+
demás
|
137
|
+
dentro
|
138
|
+
deprisa
|
139
|
+
desde
|
140
|
+
despacio
|
141
|
+
despues
|
142
|
+
después
|
143
|
+
detras
|
144
|
+
detrás
|
145
|
+
dia
|
146
|
+
dias
|
147
|
+
dice
|
148
|
+
dicen
|
149
|
+
dicho
|
150
|
+
dieron
|
151
|
+
diferente
|
152
|
+
diferentes
|
153
|
+
dijeron
|
154
|
+
dijo
|
155
|
+
dio
|
156
|
+
donde
|
157
|
+
dos
|
158
|
+
durante
|
159
|
+
día
|
160
|
+
días
|
161
|
+
dónde
|
162
|
+
e
|
163
|
+
ejemplo
|
164
|
+
el
|
165
|
+
ella
|
166
|
+
ellas
|
167
|
+
ello
|
168
|
+
ellos
|
169
|
+
embargo
|
170
|
+
empleais
|
171
|
+
emplean
|
172
|
+
emplear
|
173
|
+
empleas
|
174
|
+
empleo
|
175
|
+
en
|
176
|
+
encima
|
177
|
+
encuentra
|
178
|
+
enfrente
|
179
|
+
enseguida
|
180
|
+
entonces
|
181
|
+
entre
|
182
|
+
era
|
183
|
+
erais
|
184
|
+
eramos
|
185
|
+
eran
|
186
|
+
eras
|
187
|
+
eres
|
188
|
+
es
|
189
|
+
esa
|
190
|
+
esas
|
191
|
+
ese
|
192
|
+
eso
|
193
|
+
esos
|
194
|
+
esta
|
195
|
+
estaba
|
196
|
+
estabais
|
197
|
+
estaban
|
198
|
+
estabas
|
199
|
+
estad
|
200
|
+
estada
|
201
|
+
estadas
|
202
|
+
estado
|
203
|
+
estados
|
204
|
+
estais
|
205
|
+
estamos
|
206
|
+
estan
|
207
|
+
estando
|
208
|
+
estar
|
209
|
+
estaremos
|
210
|
+
estará
|
211
|
+
estarán
|
212
|
+
estarás
|
213
|
+
estaré
|
214
|
+
estaréis
|
215
|
+
estaría
|
216
|
+
estaríais
|
217
|
+
estaríamos
|
218
|
+
estarían
|
219
|
+
estarías
|
220
|
+
estas
|
221
|
+
este
|
222
|
+
estemos
|
223
|
+
esto
|
224
|
+
estos
|
225
|
+
estoy
|
226
|
+
estuve
|
227
|
+
estuviera
|
228
|
+
estuvierais
|
229
|
+
estuvieran
|
230
|
+
estuvieras
|
231
|
+
estuvieron
|
232
|
+
estuviese
|
233
|
+
estuvieseis
|
234
|
+
estuviesen
|
235
|
+
estuvieses
|
236
|
+
estuvimos
|
237
|
+
estuviste
|
238
|
+
estuvisteis
|
239
|
+
estuviéramos
|
240
|
+
estuviésemos
|
241
|
+
estuvo
|
242
|
+
está
|
243
|
+
estábamos
|
244
|
+
estáis
|
245
|
+
están
|
246
|
+
estás
|
247
|
+
esté
|
248
|
+
estéis
|
249
|
+
estén
|
250
|
+
estés
|
251
|
+
ex
|
252
|
+
excepto
|
253
|
+
existe
|
254
|
+
existen
|
255
|
+
explicó
|
256
|
+
expresó
|
257
|
+
f
|
258
|
+
fin
|
259
|
+
final
|
260
|
+
fue
|
261
|
+
fuera
|
262
|
+
fuerais
|
263
|
+
fueran
|
264
|
+
fueras
|
265
|
+
fueron
|
266
|
+
fuese
|
267
|
+
fueseis
|
268
|
+
fuesen
|
269
|
+
fueses
|
270
|
+
fui
|
271
|
+
fuimos
|
272
|
+
fuiste
|
273
|
+
fuisteis
|
274
|
+
fuéramos
|
275
|
+
fuésemos
|
276
|
+
g
|
277
|
+
general
|
278
|
+
gran
|
279
|
+
grandes
|
280
|
+
gueno
|
281
|
+
h
|
282
|
+
ha
|
283
|
+
haber
|
284
|
+
habia
|
285
|
+
habida
|
286
|
+
habidas
|
287
|
+
habido
|
288
|
+
habidos
|
289
|
+
habiendo
|
290
|
+
habla
|
291
|
+
hablan
|
292
|
+
habremos
|
293
|
+
habrá
|
294
|
+
habrán
|
295
|
+
habrás
|
296
|
+
habré
|
297
|
+
habréis
|
298
|
+
habría
|
299
|
+
habríais
|
300
|
+
habríamos
|
301
|
+
habrían
|
302
|
+
habrías
|
303
|
+
habéis
|
304
|
+
había
|
305
|
+
habíais
|
306
|
+
habíamos
|
307
|
+
habían
|
308
|
+
habías
|
309
|
+
hace
|
310
|
+
haceis
|
311
|
+
hacemos
|
312
|
+
hacen
|
313
|
+
hacer
|
314
|
+
hacerlo
|
315
|
+
haces
|
316
|
+
hacia
|
317
|
+
haciendo
|
318
|
+
hago
|
319
|
+
han
|
320
|
+
has
|
321
|
+
hasta
|
322
|
+
hay
|
323
|
+
haya
|
324
|
+
hayamos
|
325
|
+
hayan
|
326
|
+
hayas
|
327
|
+
hayáis
|
328
|
+
he
|
329
|
+
hecho
|
330
|
+
hemos
|
331
|
+
hicieron
|
332
|
+
hizo
|
333
|
+
horas
|
334
|
+
hoy
|
335
|
+
hube
|
336
|
+
hubiera
|
337
|
+
hubierais
|
338
|
+
hubieran
|
339
|
+
hubieras
|
340
|
+
hubieron
|
341
|
+
hubiese
|
342
|
+
hubieseis
|
343
|
+
hubiesen
|
344
|
+
hubieses
|
345
|
+
hubimos
|
346
|
+
hubiste
|
347
|
+
hubisteis
|
348
|
+
hubiéramos
|
349
|
+
hubiésemos
|
350
|
+
hubo
|
351
|
+
i
|
352
|
+
igual
|
353
|
+
incluso
|
354
|
+
indicó
|
355
|
+
informo
|
356
|
+
informó
|
357
|
+
intenta
|
358
|
+
intentais
|
359
|
+
intentamos
|
360
|
+
intentan
|
361
|
+
intentar
|
362
|
+
intentas
|
363
|
+
intento
|
364
|
+
ir
|
365
|
+
j
|
366
|
+
junto
|
367
|
+
k
|
368
|
+
l
|
369
|
+
la
|
370
|
+
lado
|
371
|
+
largo
|
372
|
+
las
|
373
|
+
le
|
374
|
+
lejos
|
375
|
+
les
|
376
|
+
llegó
|
377
|
+
lleva
|
378
|
+
llevar
|
379
|
+
lo
|
380
|
+
los
|
381
|
+
luego
|
382
|
+
lugar
|
383
|
+
m
|
384
|
+
mal
|
385
|
+
manera
|
386
|
+
manifestó
|
387
|
+
mas
|
388
|
+
mayor
|
389
|
+
me
|
390
|
+
mediante
|
391
|
+
medio
|
392
|
+
mejor
|
393
|
+
mencionó
|
394
|
+
menos
|
395
|
+
menudo
|
396
|
+
mi
|
397
|
+
mia
|
398
|
+
mias
|
399
|
+
mientras
|
400
|
+
mio
|
401
|
+
mios
|
402
|
+
mis
|
403
|
+
misma
|
404
|
+
mismas
|
405
|
+
mismo
|
406
|
+
mismos
|
407
|
+
modo
|
408
|
+
momento
|
409
|
+
mucha
|
410
|
+
muchas
|
411
|
+
mucho
|
412
|
+
muchos
|
413
|
+
muy
|
414
|
+
más
|
415
|
+
mí
|
416
|
+
mía
|
417
|
+
mías
|
418
|
+
mío
|
419
|
+
míos
|
420
|
+
n
|
421
|
+
nada
|
422
|
+
nadie
|
423
|
+
ni
|
424
|
+
ninguna
|
425
|
+
ningunas
|
426
|
+
ninguno
|
427
|
+
ningunos
|
428
|
+
ningún
|
429
|
+
no
|
430
|
+
nos
|
431
|
+
nosotras
|
432
|
+
nosotros
|
433
|
+
nuestra
|
434
|
+
nuestras
|
435
|
+
nuestro
|
436
|
+
nuestros
|
437
|
+
nueva
|
438
|
+
nuevas
|
439
|
+
nuevo
|
440
|
+
nuevos
|
441
|
+
nunca
|
442
|
+
o
|
443
|
+
ocho
|
444
|
+
os
|
445
|
+
otra
|
446
|
+
otras
|
447
|
+
otro
|
448
|
+
otros
|
449
|
+
p
|
450
|
+
pais
|
451
|
+
para
|
452
|
+
parece
|
453
|
+
parte
|
454
|
+
partir
|
455
|
+
pasada
|
456
|
+
pasado
|
457
|
+
paìs
|
458
|
+
peor
|
459
|
+
pero
|
460
|
+
pesar
|
461
|
+
poca
|
462
|
+
pocas
|
463
|
+
poco
|
464
|
+
pocos
|
465
|
+
podeis
|
466
|
+
podemos
|
467
|
+
poder
|
468
|
+
podria
|
469
|
+
podriais
|
470
|
+
podriamos
|
471
|
+
podrian
|
472
|
+
podrias
|
473
|
+
podrá
|
474
|
+
podrán
|
475
|
+
podría
|
476
|
+
podrían
|
477
|
+
poner
|
478
|
+
por
|
479
|
+
por qué
|
480
|
+
porque
|
481
|
+
posible
|
482
|
+
primer
|
483
|
+
primera
|
484
|
+
primero
|
485
|
+
primeros
|
486
|
+
principalmente
|
487
|
+
pronto
|
488
|
+
propia
|
489
|
+
propias
|
490
|
+
propio
|
491
|
+
propios
|
492
|
+
proximo
|
493
|
+
próximo
|
494
|
+
próximos
|
495
|
+
pudo
|
496
|
+
pueda
|
497
|
+
puede
|
498
|
+
pueden
|
499
|
+
puedo
|
500
|
+
pues
|
501
|
+
q
|
502
|
+
qeu
|
503
|
+
que
|
504
|
+
quedó
|
505
|
+
queremos
|
506
|
+
quien
|
507
|
+
quienes
|
508
|
+
quiere
|
509
|
+
quiza
|
510
|
+
quizas
|
511
|
+
quizá
|
512
|
+
quizás
|
513
|
+
quién
|
514
|
+
quiénes
|
515
|
+
qué
|
516
|
+
r
|
517
|
+
raras
|
518
|
+
realizado
|
519
|
+
realizar
|
520
|
+
realizó
|
521
|
+
repente
|
522
|
+
respecto
|
523
|
+
s
|
524
|
+
sabe
|
525
|
+
sabeis
|
526
|
+
sabemos
|
527
|
+
saben
|
528
|
+
saber
|
529
|
+
sabes
|
530
|
+
sal
|
531
|
+
salvo
|
532
|
+
se
|
533
|
+
sea
|
534
|
+
seamos
|
535
|
+
sean
|
536
|
+
seas
|
537
|
+
segun
|
538
|
+
segunda
|
539
|
+
segundo
|
540
|
+
según
|
541
|
+
seis
|
542
|
+
ser
|
543
|
+
sera
|
544
|
+
seremos
|
545
|
+
será
|
546
|
+
serán
|
547
|
+
serás
|
548
|
+
seré
|
549
|
+
seréis
|
550
|
+
sería
|
551
|
+
seríais
|
552
|
+
seríamos
|
553
|
+
serían
|
554
|
+
serías
|
555
|
+
seáis
|
556
|
+
señaló
|
557
|
+
si
|
558
|
+
sido
|
559
|
+
siempre
|
560
|
+
siendo
|
561
|
+
siete
|
562
|
+
sigue
|
563
|
+
siguiente
|
564
|
+
sin
|
565
|
+
sino
|
566
|
+
sobre
|
567
|
+
sois
|
568
|
+
sola
|
569
|
+
solamente
|
570
|
+
solas
|
571
|
+
solo
|
572
|
+
solos
|
573
|
+
somos
|
574
|
+
son
|
575
|
+
soy
|
576
|
+
soyos
|
577
|
+
su
|
578
|
+
supuesto
|
579
|
+
sus
|
580
|
+
suya
|
581
|
+
suyas
|
582
|
+
suyo
|
583
|
+
suyos
|
584
|
+
sé
|
585
|
+
sí
|
586
|
+
sólo
|
587
|
+
t
|
588
|
+
tal
|
589
|
+
tambien
|
590
|
+
también
|
591
|
+
tampoco
|
592
|
+
tan
|
593
|
+
tanto
|
594
|
+
tarde
|
595
|
+
te
|
596
|
+
temprano
|
597
|
+
tendremos
|
598
|
+
tendrá
|
599
|
+
tendrán
|
600
|
+
tendrás
|
601
|
+
tendré
|
602
|
+
tendréis
|
603
|
+
tendría
|
604
|
+
tendríais
|
605
|
+
tendríamos
|
606
|
+
tendrían
|
607
|
+
tendrías
|
608
|
+
tened
|
609
|
+
teneis
|
610
|
+
tenemos
|
611
|
+
tener
|
612
|
+
tenga
|
613
|
+
tengamos
|
614
|
+
tengan
|
615
|
+
tengas
|
616
|
+
tengo
|
617
|
+
tengáis
|
618
|
+
tenida
|
619
|
+
tenidas
|
620
|
+
tenido
|
621
|
+
tenidos
|
622
|
+
teniendo
|
623
|
+
tenéis
|
624
|
+
tenía
|
625
|
+
teníais
|
626
|
+
teníamos
|
627
|
+
tenían
|
628
|
+
tenías
|
629
|
+
tercera
|
630
|
+
ti
|
631
|
+
tiempo
|
632
|
+
tiene
|
633
|
+
tienen
|
634
|
+
tienes
|
635
|
+
toda
|
636
|
+
todas
|
637
|
+
todavia
|
638
|
+
todavía
|
639
|
+
todo
|
640
|
+
todos
|
641
|
+
total
|
642
|
+
trabaja
|
643
|
+
trabajais
|
644
|
+
trabajamos
|
645
|
+
trabajan
|
646
|
+
trabajar
|
647
|
+
trabajas
|
648
|
+
trabajo
|
649
|
+
tras
|
650
|
+
trata
|
651
|
+
través
|
652
|
+
tres
|
653
|
+
tu
|
654
|
+
tus
|
655
|
+
tuve
|
656
|
+
tuviera
|
657
|
+
tuvierais
|
658
|
+
tuvieran
|
659
|
+
tuvieras
|
660
|
+
tuvieron
|
661
|
+
tuviese
|
662
|
+
tuvieseis
|
663
|
+
tuviesen
|
664
|
+
tuvieses
|
665
|
+
tuvimos
|
666
|
+
tuviste
|
667
|
+
tuvisteis
|
668
|
+
tuviéramos
|
669
|
+
tuviésemos
|
670
|
+
tuvo
|
671
|
+
tuya
|
672
|
+
tuyas
|
673
|
+
tuyo
|
674
|
+
tuyos
|
675
|
+
tú
|
676
|
+
u
|
677
|
+
ultimo
|
678
|
+
un
|
679
|
+
una
|
680
|
+
unas
|
681
|
+
uno
|
682
|
+
unos
|
683
|
+
usa
|
684
|
+
usais
|
685
|
+
usamos
|
686
|
+
usan
|
687
|
+
usar
|
688
|
+
usas
|
689
|
+
uso
|
690
|
+
usted
|
691
|
+
ustedes
|
692
|
+
v
|
693
|
+
va
|
694
|
+
vais
|
695
|
+
valor
|
696
|
+
vamos
|
697
|
+
van
|
698
|
+
varias
|
699
|
+
varios
|
700
|
+
vaya
|
701
|
+
veces
|
702
|
+
ver
|
703
|
+
verdad
|
704
|
+
verdadera
|
705
|
+
verdadero
|
706
|
+
vez
|
707
|
+
vosotras
|
708
|
+
vosotros
|
709
|
+
voy
|
710
|
+
vuestra
|
711
|
+
vuestras
|
712
|
+
vuestro
|
713
|
+
vuestros
|
714
|
+
w
|
715
|
+
x
|
716
|
+
y
|
717
|
+
ya
|
718
|
+
yo
|
719
|
+
z
|
720
|
+
él
|
721
|
+
éramos
|
722
|
+
ésa
|
723
|
+
ésas
|
724
|
+
ése
|
725
|
+
ésos
|
726
|
+
ésta
|
727
|
+
éstas
|
728
|
+
éste
|
729
|
+
éstos
|
730
|
+
última
|
731
|
+
últimas
|
732
|
+
último
|
733
|
+
últimos
|
data/lib/raske-nlp.rb
ADDED
@@ -0,0 +1,17 @@
|
|
1
|
+
require "raske-nlp/version"
|
2
|
+
require "raske-nlp/stop_list"
|
3
|
+
require "raske-nlp/result"
|
4
|
+
|
5
|
+
module RaskeNLP
|
6
|
+
DEFAULTS = {
|
7
|
+
min_phrase_length: 1,
|
8
|
+
max_phrase_length: 3,
|
9
|
+
min_frequency: 1,
|
10
|
+
min_score: 1,
|
11
|
+
stop_list: StopList::ISO
|
12
|
+
}
|
13
|
+
|
14
|
+
def self.run(text, options={})
|
15
|
+
RaskeNLP::Result.new(text, DEFAULTS.merge(options))
|
16
|
+
end
|
17
|
+
end
|
@@ -0,0 +1,79 @@
|
|
1
|
+
module RaskeNLP
|
2
|
+
class Result
|
3
|
+
SENTENCE_REGEX = /[\\[\\]\n.!?,;:\t\\-\\"\\(\\)\\\'\u2019\u2013]/
|
4
|
+
WORD_REGEX = /[^a-zA-Z0-9_\+\-\/]/
|
5
|
+
NUMBER_REGEX = /^-*[0-9,\.]+$/
|
6
|
+
|
7
|
+
def initialize(text, options={})
|
8
|
+
@text, @options = text, options
|
9
|
+
@stoplist_regex = options[:stop_list].to_regex
|
10
|
+
end
|
11
|
+
|
12
|
+
def sentences
|
13
|
+
@text.split(SENTENCE_REGEX).map(&:strip)
|
14
|
+
end
|
15
|
+
|
16
|
+
def phrases
|
17
|
+
@phrases ||= begin
|
18
|
+
sentences.map { |sentence|
|
19
|
+
sentence.downcase.split(@stoplist_regex).map(&:strip).select { |phrase| acceptable?(phrase) }
|
20
|
+
}.flatten
|
21
|
+
end
|
22
|
+
end
|
23
|
+
|
24
|
+
def word_scores
|
25
|
+
@word_scores ||= begin
|
26
|
+
frequencies = Hash.new(0)
|
27
|
+
degrees = Hash.new(0)
|
28
|
+
|
29
|
+
phrases.each do |phrase|
|
30
|
+
words = split_words(phrase)
|
31
|
+
words.each do |word|
|
32
|
+
frequencies[word] += 1
|
33
|
+
degrees[word] += words.length - 1
|
34
|
+
end
|
35
|
+
end
|
36
|
+
|
37
|
+
frequencies.each do |word, frequency|
|
38
|
+
degrees[word] += frequency
|
39
|
+
end
|
40
|
+
|
41
|
+
scores = {}
|
42
|
+
frequencies.each do |word, frequency|
|
43
|
+
scores[word] = degrees[word] / frequency.to_f
|
44
|
+
end
|
45
|
+
scores
|
46
|
+
end
|
47
|
+
end
|
48
|
+
|
49
|
+
def keywords
|
50
|
+
keywords = Hash.new(0)
|
51
|
+
|
52
|
+
phrases.each do |phrase|
|
53
|
+
if @options[:min_frequency] > 1
|
54
|
+
next if phrases.count(phrase) < @options[:min_frequency]
|
55
|
+
end
|
56
|
+
|
57
|
+
words = split_words(phrase)
|
58
|
+
keywords[phrase] = words.map { |word| word_scores[word] }.sum
|
59
|
+
end
|
60
|
+
|
61
|
+
keywords.select { |word, score|
|
62
|
+
score >= @options[:min_score]
|
63
|
+
}.sort_by(&:last).reverse.to_h
|
64
|
+
end
|
65
|
+
|
66
|
+
private
|
67
|
+
def split_words(str)
|
68
|
+
str.split(WORD_REGEX).reject { |word| word =~ NUMBER_REGEX }
|
69
|
+
end
|
70
|
+
|
71
|
+
def acceptable?(phrase)
|
72
|
+
!phrase.empty? &&
|
73
|
+
phrase.length >= @options[:min_phrase_length] &&
|
74
|
+
phrase.split(/\s/).length <= @options[:max_phrase_length] &&
|
75
|
+
phrase.scan(/[a-zA-Z]/).length > 0 &&
|
76
|
+
phrase.scan(/[a-zA-Z]/).length > phrase.scan(/\d/).length
|
77
|
+
end
|
78
|
+
end
|
79
|
+
end
|
@@ -0,0 +1,22 @@
|
|
1
|
+
module RaskeNLP
|
2
|
+
class StopList
|
3
|
+
def initialize(words)
|
4
|
+
@words = words
|
5
|
+
end
|
6
|
+
|
7
|
+
def to_a
|
8
|
+
@words
|
9
|
+
end
|
10
|
+
|
11
|
+
def to_regex
|
12
|
+
@regex ||= /#{@words.map { |w| "\\b#{w}(?![\\w-])" }.join("|")}/i
|
13
|
+
end
|
14
|
+
|
15
|
+
def self.read(filename)
|
16
|
+
new(File.read(filename).split("\n").reject { |line| line =~ /^#/ })
|
17
|
+
end
|
18
|
+
|
19
|
+
ISO = read(File.join(File.dirname(__FILE__), "../../data/StopWordsIso.txt"))
|
20
|
+
ALI = read(File.join(File.dirname(__FILE__), "../../data/AliStopList.txt"))
|
21
|
+
end
|
22
|
+
end
|
data/raske-nlp.gemspec
ADDED
@@ -0,0 +1,23 @@
|
|
1
|
+
lib = File.expand_path("../lib", __FILE__)
|
2
|
+
$LOAD_PATH.unshift(lib) unless $LOAD_PATH.include?(lib)
|
3
|
+
require "raske-nlp/version"
|
4
|
+
|
5
|
+
Gem::Specification.new do |spec|
|
6
|
+
spec.name = "raske-nlp"
|
7
|
+
spec.version = RaskeNLP::VERSION
|
8
|
+
spec.authors = ["Adrián Pradilla Pórtoles"]
|
9
|
+
spec.email = ["adrianpradilla@gmail.com"]
|
10
|
+
|
11
|
+
spec.summary = "Implementation of the Rapid Automatic Spanish Keyword Extraction (RAKE) algorithm"
|
12
|
+
spec.description = "Implementation of the Rapid Automatic Spanish Keyword Extraction (RAKE) algorithm"
|
13
|
+
|
14
|
+
spec.files = `git ls-files -z`.split("\x0").reject do |f|
|
15
|
+
f.match(%r{^(test|spec|features)/})
|
16
|
+
end
|
17
|
+
spec.bindir = "exe"
|
18
|
+
spec.executables = spec.files.grep(%r{^exe/}) { |f| File.basename(f) }
|
19
|
+
spec.require_paths = ["lib"]
|
20
|
+
|
21
|
+
spec.add_development_dependency "bundler", "~> 1.16"
|
22
|
+
spec.add_development_dependency "rake", "~> 13.0"
|
23
|
+
end
|
metadata
ADDED
@@ -0,0 +1,86 @@
|
|
1
|
+
--- !ruby/object:Gem::Specification
|
2
|
+
name: raske-nlp
|
3
|
+
version: !ruby/object:Gem::Version
|
4
|
+
version: 0.1.5
|
5
|
+
platform: ruby
|
6
|
+
authors:
|
7
|
+
- Adrián Pradilla Pórtoles
|
8
|
+
autorequire:
|
9
|
+
bindir: exe
|
10
|
+
cert_chain: []
|
11
|
+
date: 2021-04-10 00:00:00.000000000 Z
|
12
|
+
dependencies:
|
13
|
+
- !ruby/object:Gem::Dependency
|
14
|
+
name: bundler
|
15
|
+
requirement: !ruby/object:Gem::Requirement
|
16
|
+
requirements:
|
17
|
+
- - "~>"
|
18
|
+
- !ruby/object:Gem::Version
|
19
|
+
version: '1.16'
|
20
|
+
type: :development
|
21
|
+
prerelease: false
|
22
|
+
version_requirements: !ruby/object:Gem::Requirement
|
23
|
+
requirements:
|
24
|
+
- - "~>"
|
25
|
+
- !ruby/object:Gem::Version
|
26
|
+
version: '1.16'
|
27
|
+
- !ruby/object:Gem::Dependency
|
28
|
+
name: rake
|
29
|
+
requirement: !ruby/object:Gem::Requirement
|
30
|
+
requirements:
|
31
|
+
- - "~>"
|
32
|
+
- !ruby/object:Gem::Version
|
33
|
+
version: '13.0'
|
34
|
+
type: :development
|
35
|
+
prerelease: false
|
36
|
+
version_requirements: !ruby/object:Gem::Requirement
|
37
|
+
requirements:
|
38
|
+
- - "~>"
|
39
|
+
- !ruby/object:Gem::Version
|
40
|
+
version: '13.0'
|
41
|
+
description: Implementation of the Rapid Automatic Spanish Keyword Extraction (RAKE)
|
42
|
+
algorithm
|
43
|
+
email:
|
44
|
+
- adrianpradilla@gmail.com
|
45
|
+
executables: []
|
46
|
+
extensions: []
|
47
|
+
extra_rdoc_files: []
|
48
|
+
files:
|
49
|
+
- ".gitignore"
|
50
|
+
- ".travis.yml"
|
51
|
+
- Gemfile
|
52
|
+
- Gemfile.lock
|
53
|
+
- MIT-LICENSE
|
54
|
+
- README.md
|
55
|
+
- Rakefile
|
56
|
+
- bin/console
|
57
|
+
- data/AliStopList.txt
|
58
|
+
- data/StopWordsIso.txt
|
59
|
+
- lib/raske-nlp.rb
|
60
|
+
- lib/raske-nlp/result.rb
|
61
|
+
- lib/raske-nlp/stop_list.rb
|
62
|
+
- lib/raske-nlp/version.rb
|
63
|
+
- raske-nlp.gemspec
|
64
|
+
homepage:
|
65
|
+
licenses: []
|
66
|
+
metadata: {}
|
67
|
+
post_install_message:
|
68
|
+
rdoc_options: []
|
69
|
+
require_paths:
|
70
|
+
- lib
|
71
|
+
required_ruby_version: !ruby/object:Gem::Requirement
|
72
|
+
requirements:
|
73
|
+
- - ">="
|
74
|
+
- !ruby/object:Gem::Version
|
75
|
+
version: '0'
|
76
|
+
required_rubygems_version: !ruby/object:Gem::Requirement
|
77
|
+
requirements:
|
78
|
+
- - ">="
|
79
|
+
- !ruby/object:Gem::Version
|
80
|
+
version: '0'
|
81
|
+
requirements: []
|
82
|
+
rubygems_version: 3.0.8
|
83
|
+
signing_key:
|
84
|
+
specification_version: 4
|
85
|
+
summary: Implementation of the Rapid Automatic Spanish Keyword Extraction (RAKE) algorithm
|
86
|
+
test_files: []
|