tfidf_ja 0.1.1 → 0.2.0
Sign up to get free protection for your applications and to get access to all the features.
- data/README.rdoc +1 -49
- data/Rakefile +1 -1
- data/VERSION +1 -1
- data/lib/dictionary.rb +1 -1
- data/test/test.rb +5 -16
- metadata +22 -38
- data/lib/tfidf_ja/igo_extension.rb +0 -45
data/README.rdoc
CHANGED
@@ -10,7 +10,7 @@ tfidf_jaには以下の特徴があります。
|
|
10
10
|
* IPADIC辞書に収録されている日本語の形態素(約32万語)を使用し、TF値をYahoo!のインデックス数としてあらかじめ算出。
|
11
11
|
* 算出したTF値からIDF値を算出し、IDF辞書としてライブラリに包含し、ライブラリ使用時の算出コストを減らしています。
|
12
12
|
* 形態素解析
|
13
|
-
* {igo-ruby}[https://rubygems.org/gems/igo-ruby]を使用した形態素解析を行なった上で、TF-IDF
|
13
|
+
* {igo-ruby}[https://rubygems.org/gems/igo-ruby]を使用した形態素解析を行なった上で、TF-IDFを算出することをおすすめします。
|
14
14
|
|
15
15
|
== インストール方法
|
16
16
|
|
@@ -26,59 +26,11 @@ tfidf_jaには以下の特徴があります。
|
|
26
26
|
ti = TfIdf::Ja.new
|
27
27
|
p ti.tfidf(['この', '文章', 'から', 'TFIDF', '値', 'を', '取得', 'する'])
|
28
28
|
|
29
|
-
=== 形態素解析を行なったあと、TF-IDFを取得
|
30
|
-
|
31
|
-
require 'rubygems'
|
32
|
-
require 'tfidf_ja'
|
33
|
-
require 'tfidf_ja/igo_extension'
|
34
|
-
|
35
|
-
dir = './ipadic' # igo-rubyに渡す辞書ファイルのディレクトリ
|
36
|
-
tie = TfIdf::IgoExtension.new(dir)
|
37
|
-
p tie.tfidf('この文章を形態素解析し、TFIDF値を取得する')
|
38
|
-
|
39
29
|
=== インスタンスを使い回し
|
40
30
|
|
41
31
|
インスタンスを使い回すことにより、TF-IDF値は加算されていきます。
|
42
32
|
複数のテキストから連続して算出する場合に便利です。
|
43
33
|
|
44
|
-
tie = TfIdf::IgoExtension.new(dir)
|
45
|
-
tie.tfidf('この文章を形態素解析し、TFIDF値を取得する').each_pair { |k, v|
|
46
|
-
puts "#{k}=>#{v}"
|
47
|
-
}
|
48
|
-
# =>
|
49
|
-
解析=>7.33823815006559
|
50
|
-
値=>7.61579107203583
|
51
|
-
TFIDF=>13.3689578610795
|
52
|
-
形態素=>13.0477195694085
|
53
|
-
文章=>7.2152399787301
|
54
|
-
取得=>7.24992553671799
|
55
|
-
|
56
|
-
# インスタンスを使い回し
|
57
|
-
tie.tfidf('インスタンスを使い回し、再度TFIDF値を取得する').each_pair { |k, v|
|
58
|
-
puts "#{k}=>#{v}"
|
59
|
-
}
|
60
|
-
# =>
|
61
|
-
解析=>7.33823815006559
|
62
|
-
値=>15.2315821440717 # 両方のテキストに出現する形態素のTFIDFは大きくなる
|
63
|
-
TFIDF=>26.737915722159 # 両方のテキストに出現する形態素のTFIDFは大きくなる
|
64
|
-
形態素=>13.0477195694085
|
65
|
-
文章=>7.2152399787301
|
66
|
-
インスタンス=>11.7873551106461 # 両方のテキストに出現する形態素のTFIDFは大きくなる
|
67
|
-
取得=>14.499851073436 # 両方のテキストに出現する形態素のTFIDFは大きくなる
|
68
|
-
|
69
|
-
リセットする場合はresetメソッドを使用します。
|
70
|
-
|
71
|
-
# resetメソッドでリセット
|
72
|
-
tie.reset
|
73
|
-
tie.tfidf('インスタンスを使い回し、再度TFIDF値を取得する').each_pair { |k, v|
|
74
|
-
puts "#{k}=>#{v}"
|
75
|
-
}
|
76
|
-
# =>
|
77
|
-
値=>7.61579107203583
|
78
|
-
TFIDF=>13.3689578610795
|
79
|
-
インスタンス=>11.7873551106461
|
80
|
-
取得=>7.24992553671799
|
81
|
-
|
82
34
|
== 付録
|
83
35
|
=== 公開場所
|
84
36
|
|
data/Rakefile
CHANGED
@@ -28,7 +28,7 @@ Jeweler::Tasks.new do |gem|
|
|
28
28
|
# gem.add_development_dependency 'rspec', '> 1.2.3'
|
29
29
|
|
30
30
|
# gems dependency
|
31
|
-
|
31
|
+
# gem.add_runtime_dependency 'igo-ruby', '> 0.1'
|
32
32
|
|
33
33
|
# include files
|
34
34
|
gem.files = Rake::FileList.new('lib/**/*.rb', '[A-Z]*', 'dic/idf.dic')
|
data/VERSION
CHANGED
@@ -1 +1 @@
|
|
1
|
-
0.
|
1
|
+
0.2.0
|
data/lib/dictionary.rb
CHANGED
data/test/test.rb
CHANGED
@@ -3,11 +3,8 @@
|
|
3
3
|
#Copyright:: Copyright (c) kyow, 2011
|
4
4
|
#Authors:: K.Nishi
|
5
5
|
|
6
|
-
#require '../lib/tfidf_ja'
|
7
|
-
#require '../lib/tfidf_ja/igo_extension'
|
8
6
|
require 'rubygems'
|
9
7
|
require 'tfidf_ja'
|
10
|
-
require 'tfidf_ja/igo_extension'
|
11
8
|
|
12
9
|
def output(h)
|
13
10
|
h.each { |item|
|
@@ -16,19 +13,11 @@ def output(h)
|
|
16
13
|
end
|
17
14
|
|
18
15
|
tfidf = TfIdf::Ja.new
|
16
|
+
puts "-->1回目"
|
19
17
|
output tfidf.tfidf(['この', '文章', 'から', 'TFIDF', '値', 'を', '取得', 'する'])
|
18
|
+
puts "-->2回目"
|
20
19
|
output tfidf.tfidf(['文章', 'を', '連続', 'で', '渡す', 'と', 'TFIDF', '値', 'を', '追加', 'で', '算出', 'する'])
|
21
20
|
|
22
|
-
|
23
|
-
|
24
|
-
|
25
|
-
tie = TfIdf::IgoExtension.new(dir)
|
26
|
-
puts s = "この文字列を形態素解析してTFIDF値を取得する"
|
27
|
-
output tie.tfidf(s)
|
28
|
-
|
29
|
-
puts s = "連続してインスタンスを使うと前回解析したTFIDF計算結果を加味する"
|
30
|
-
output tie.tfidf(s)
|
31
|
-
|
32
|
-
tie.reset
|
33
|
-
puts s = "TfIdf::IgoExtension.resetでリセットする"
|
34
|
-
output tie.tfidf(s)
|
21
|
+
puts "-->リセット"
|
22
|
+
tfidf.reset
|
23
|
+
output tfidf.tfidf(['TFIDF', '#', 'rest', 'で', 'リセット', 'する'])
|
metadata
CHANGED
@@ -1,13 +1,13 @@
|
|
1
1
|
--- !ruby/object:Gem::Specification
|
2
2
|
name: tfidf_ja
|
3
3
|
version: !ruby/object:Gem::Version
|
4
|
-
hash:
|
5
|
-
prerelease:
|
4
|
+
hash: 23
|
5
|
+
prerelease:
|
6
6
|
segments:
|
7
7
|
- 0
|
8
|
-
-
|
9
|
-
-
|
10
|
-
version: 0.
|
8
|
+
- 2
|
9
|
+
- 0
|
10
|
+
version: 0.2.0
|
11
11
|
platform: ruby
|
12
12
|
authors:
|
13
13
|
- K.Nishi
|
@@ -15,12 +15,12 @@ autorequire:
|
|
15
15
|
bindir: bin
|
16
16
|
cert_chain: []
|
17
17
|
|
18
|
-
date: 2011-
|
18
|
+
date: 2011-02-21 00:00:00 +09:00
|
19
19
|
default_executable:
|
20
20
|
dependencies:
|
21
21
|
- !ruby/object:Gem::Dependency
|
22
|
-
|
23
|
-
|
22
|
+
type: :development
|
23
|
+
requirement: &id001 !ruby/object:Gem::Requirement
|
24
24
|
none: false
|
25
25
|
requirements:
|
26
26
|
- - ~>
|
@@ -32,11 +32,11 @@ dependencies:
|
|
32
32
|
- 0
|
33
33
|
version: 2.1.0
|
34
34
|
name: rspec
|
35
|
-
|
36
|
-
type: :development
|
37
|
-
- !ruby/object:Gem::Dependency
|
35
|
+
version_requirements: *id001
|
38
36
|
prerelease: false
|
39
|
-
|
37
|
+
- !ruby/object:Gem::Dependency
|
38
|
+
type: :development
|
39
|
+
requirement: &id002 !ruby/object:Gem::Requirement
|
40
40
|
none: false
|
41
41
|
requirements:
|
42
42
|
- - ~>
|
@@ -48,11 +48,11 @@ dependencies:
|
|
48
48
|
- 0
|
49
49
|
version: 1.0.0
|
50
50
|
name: bundler
|
51
|
-
|
52
|
-
type: :development
|
53
|
-
- !ruby/object:Gem::Dependency
|
51
|
+
version_requirements: *id002
|
54
52
|
prerelease: false
|
55
|
-
|
53
|
+
- !ruby/object:Gem::Dependency
|
54
|
+
type: :development
|
55
|
+
requirement: &id003 !ruby/object:Gem::Requirement
|
56
56
|
none: false
|
57
57
|
requirements:
|
58
58
|
- - ~>
|
@@ -64,11 +64,11 @@ dependencies:
|
|
64
64
|
- 1
|
65
65
|
version: 1.5.1
|
66
66
|
name: jeweler
|
67
|
-
|
68
|
-
type: :development
|
69
|
-
- !ruby/object:Gem::Dependency
|
67
|
+
version_requirements: *id003
|
70
68
|
prerelease: false
|
71
|
-
|
69
|
+
- !ruby/object:Gem::Dependency
|
70
|
+
type: :development
|
71
|
+
requirement: &id004 !ruby/object:Gem::Requirement
|
72
72
|
none: false
|
73
73
|
requirements:
|
74
74
|
- - ">="
|
@@ -78,23 +78,8 @@ dependencies:
|
|
78
78
|
- 0
|
79
79
|
version: "0"
|
80
80
|
name: rcov
|
81
|
-
|
82
|
-
type: :development
|
83
|
-
- !ruby/object:Gem::Dependency
|
81
|
+
version_requirements: *id004
|
84
82
|
prerelease: false
|
85
|
-
version_requirements: &id005 !ruby/object:Gem::Requirement
|
86
|
-
none: false
|
87
|
-
requirements:
|
88
|
-
- - ">"
|
89
|
-
- !ruby/object:Gem::Version
|
90
|
-
hash: 9
|
91
|
-
segments:
|
92
|
-
- 0
|
93
|
-
- 1
|
94
|
-
version: "0.1"
|
95
|
-
name: igo-ruby
|
96
|
-
requirement: *id005
|
97
|
-
type: :runtime
|
98
83
|
description: "\n tfidf_ja computes TF-IDF with a dictionary.\n This gem include a Japanese IDF dictionary that were prepared in Yahoo! API.\n "
|
99
84
|
email: 24signals@gmail.com
|
100
85
|
executables: []
|
@@ -114,7 +99,6 @@ files:
|
|
114
99
|
- dic/idf.dic
|
115
100
|
- lib/dictionary.rb
|
116
101
|
- lib/tfidf_ja.rb
|
117
|
-
- lib/tfidf_ja/igo_extension.rb
|
118
102
|
- lib/utility.rb
|
119
103
|
- spec/spec_helper.rb
|
120
104
|
- spec/tfidf_ja_spec.rb
|
@@ -154,7 +138,7 @@ required_rubygems_version: !ruby/object:Gem::Requirement
|
|
154
138
|
requirements: []
|
155
139
|
|
156
140
|
rubyforge_project:
|
157
|
-
rubygems_version: 1.
|
141
|
+
rubygems_version: 1.5.0
|
158
142
|
signing_key:
|
159
143
|
specification_version: 3
|
160
144
|
summary: Computes TF-IDF with Japanese dictionary.
|
@@ -1,45 +0,0 @@
|
|
1
|
-
# coding: utf-8
|
2
|
-
#
|
3
|
-
# Copyright:: Copyright (c) kyow, 2011
|
4
|
-
# Authors:: K.Nishi
|
5
|
-
|
6
|
-
$:.unshift(File.dirname(__FILE__))
|
7
|
-
|
8
|
-
require 'rubygems'
|
9
|
-
require 'igo-ruby'
|
10
|
-
|
11
|
-
module TfIdf
|
12
|
-
#
|
13
|
-
# 形態素解析に{igo-ruby}[https://rubygems.org/gems/igo-ruby]を使用するための拡張クラス
|
14
|
-
#
|
15
|
-
class IgoExtension
|
16
|
-
# コンストラクタ
|
17
|
-
def initialize(dir)
|
18
|
-
@tagger = Igo::Tagger.new(dir)
|
19
|
-
@tfidf = TfIdf::Ja.new
|
20
|
-
end
|
21
|
-
|
22
|
-
# インスタンスのリセット
|
23
|
-
def reset
|
24
|
-
@tfidf.reset
|
25
|
-
end
|
26
|
-
|
27
|
-
# igo-rubyを利用して形態素解析を行ない、その結果のTF-IDFを返却する
|
28
|
-
# text:: 形態素解析を行なうテキスト
|
29
|
-
# return:: key=形態素、value=TF-IDFのハッシュテーブル
|
30
|
-
def tfidf(text)
|
31
|
-
t = @tagger.parse(text)
|
32
|
-
words = []
|
33
|
-
|
34
|
-
# 品詞が"名詞"の形態素を選択
|
35
|
-
t.each{ |m|
|
36
|
-
part = m.feature.split(',')[0]
|
37
|
-
if(part == '名詞')
|
38
|
-
words.push(m.surface)
|
39
|
-
end
|
40
|
-
}
|
41
|
-
|
42
|
-
return @tfidf.tfidf(words)
|
43
|
-
end
|
44
|
-
end
|
45
|
-
end
|