亚洲综合原千岁中文字幕_国产精品99久久久久久久vr_无码人妻aⅴ一区二区三区浪潮_成人h动漫精品一区二区三

主頁(yè) > 知識(shí)庫(kù) > 利用Python過(guò)濾相似文本的簡(jiǎn)單方法示例

利用Python過(guò)濾相似文本的簡(jiǎn)單方法示例

熱門(mén)標(biāo)簽:甘肅高頻外呼系統(tǒng) 滴滴地圖標(biāo)注公司 如何申請(qǐng)400電話(huà)代理 天津塘沽區(qū)地圖標(biāo)注 江門(mén)智能電話(huà)機(jī)器人 智能電話(huà)機(jī)器人調(diào)研 400電話(huà)在線(xiàn)如何申請(qǐng) 地圖標(biāo)注可以遠(yuǎn)程操作嗎 杭州房產(chǎn)地圖標(biāo)注

問(wèn)題

假設(shè)你在存檔中有成千上萬(wàn)的文檔,其中許多是彼此重復(fù)的,即使文檔的內(nèi)容相同,標(biāo)題不同。 現(xiàn)在想象一下,現(xiàn)在老板要求你通過(guò)刪除不必要的重復(fù)文檔來(lái)釋放一些空間。

問(wèn)題是:如何過(guò)濾標(biāo)題足夠相似的文本,以使內(nèi)容可能相同? 接下來(lái),如何實(shí)現(xiàn)此目標(biāo),以便在完成操作時(shí)不會(huì)刪除過(guò)多的文檔,而保留一組唯一的文檔? 讓我們用一些代碼使它更清楚:

titles = [
 "End of Year Review 2020",
 "2020 End of Year",
 "January Sales Projections",
 "Accounts 2017-2018",
 "Jan Sales Predictions"
]

# Desired output
filtered_titles = [
 "End of Year Review 2020",
 "January Sales Projections",
 "Accounts 2017-2018",
]

根據(jù)以上的問(wèn)題,本文適合那些希望快速而實(shí)用地概述如何解決這樣的問(wèn)題并廣泛了解他們同時(shí)在做什么的人!

接下來(lái),我將介紹我為解決這個(gè)問(wèn)題所采取的不同步驟。下面是控制流的概要:

預(yù)處理所有標(biāo)題文本

生成所有標(biāo)題成對(duì)

測(cè)試所有對(duì)的相似性

如果一對(duì)文本未能通過(guò)相似性測(cè)試,則刪除其中一個(gè)文本并創(chuàng)建一個(gè)新的文本列表

繼續(xù)測(cè)試這個(gè)新的相似的文本列表,直到?jīng)]有類(lèi)似的文本留下

用Python表示,這可以很好地映射到遞歸函數(shù)上!

代碼

下面是Python中實(shí)現(xiàn)此功能的兩個(gè)函數(shù)。

import spacy
from itertools import combinations


# Set globals
nlp = spacy.load("en_core_web_md")

def pre_process(titles):
 """
 Pre-processes titles by removing stopwords and lemmatizing text.
 :param titles: list of strings, contains target titles,.
 :return: preprocessed_title_docs, list containing pre-processed titles.
 """

 # Preprocess all the titles
 title_docs = [nlp(x) for x in titles]
 preprocessed_title_docs = []
 lemmatized_tokens = []
 for title_doc in title_docs:
  for token in title_doc:
   if not token.is_stop:
    lemmatized_tokens.append(token.lemma_)
  preprocessed_title_docs.append(" ".join(lemmatized_tokens))
  del lemmatized_tokens[
   :
   ] # empty the lemmatized tokens list as the code moves onto a new title

 return preprocessed_title_docs

def similarity_filter(titles):
 """
 Recursively check if titles pass a similarity filter.
 :param titles: list of strings, contains titles.
 If the function finds titles that fail the similarity test, the above param will be the function output.
 :return: this method upon itself unless there are no similar titles; in that case the feed that was passed
 in is returned.
 """

 # Preprocess titles
 preprocessed_title_docs = pre_process(titles)

 # Remove similar titles
 all_summary_pairs = list(combinations(preprocessed_title_docs, 2))
 similar_titles = []
 for pair in all_summary_pairs:
  title1 = nlp(pair[0])
  title2 = nlp(pair[1])
  similarity = title1.similarity(title2)
  if similarity > 0.8:
   similar_titles.append(pair)

 titles_to_remove = []
 for a_title in similar_titles:
  # Get the index of the first title in the pair
  index_for_removal = preprocessed_title_docs.index(a_title[0])
  titles_to_remove.append(index_for_removal)

 # Get indices of similar titles and remove them
 similar_title_counts = set(titles_to_remove)
 similar_titles = [
  x[1] for x in enumerate(titles) if x[0] in similar_title_counts
 ]

 # Exit the recursion if there are no longer any similar titles
 if len(similar_title_counts) == 0:
  return titles

 # Continue the recursion if there are still titles to remove
 else:
  # Remove similar titles from the next input
  for title in similar_titles:
   idx = titles.index(title)
   titles.pop(idx)
   
  return similarity_filter(titles)

if __name__ == "__main__":
 your_title_list = ['title1', 'title2']
 similarty_filter(your_title_list)

第一個(gè)是預(yù)處理標(biāo)題文本的簡(jiǎn)單函數(shù);它刪除像' the ', ' a ', ' and '這樣的停止詞,并只返回標(biāo)題中單詞的引理。

如果你在這個(gè)函數(shù)中輸入“End of Year Review 2020”,你會(huì)得到“end year review 2020”作為輸出;如果你輸入“January Sales Projections”,你會(huì)得到“january sale projection”。

它主要使用了python中非常容易使用的spacy庫(kù).

第二個(gè)函數(shù)(第30行)為所有標(biāo)題創(chuàng)建配對(duì),然后確定它們是否通過(guò)了余弦相似度測(cè)試。如果它沒(méi)有找到任何相似的標(biāo)題,那么它將輸出一個(gè)不相似標(biāo)題的列表。但如果它確實(shí)找到了相似的標(biāo)題,在刪除沒(méi)有通過(guò)相似度測(cè)試的配對(duì)后,它會(huì)將這些過(guò)濾后的標(biāo)題再次發(fā)送給它自己,并檢查是否還有相似的標(biāo)題。

這就是為什么它是遞歸的!簡(jiǎn)單明了,這意味著函數(shù)將繼續(xù)檢查輸出,以真正確保在返回“最終”輸出之前沒(méi)有類(lèi)似的標(biāo)題。

什么是余弦相似度?

但簡(jiǎn)而言之,這就是spacy在幕后做的事情……

首先,還記得那些預(yù)處理過(guò)的工作嗎?首先,spacy把我們輸入的單詞變成了一個(gè)數(shù)字矩陣。

一旦它完成了,你就可以把這些數(shù)字變成向量,也就是說(shuō)你可以把它們畫(huà)在圖上。

一旦你這樣做了,計(jì)算兩條直線(xiàn)夾角的余弦就能讓你知道它們是否指向相同的方向。

所以,在上圖中,想象一下,A線(xiàn)代表“閃亮的橙色水果”,B線(xiàn)代表“閃亮的紅蘋(píng)果是一種水果”。

在這種情況下,行A和行B都對(duì)應(yīng)于空格為這兩個(gè)句子創(chuàng)建的數(shù)字矩陣。這兩條線(xiàn)之間的角度——在上面的圖表中由希臘字母theta表示——是非常有用的!你可以計(jì)算余弦來(lái)判斷這兩條線(xiàn)是否指向同一個(gè)方向。

這聽(tīng)起來(lái)似乎是顯而易見(jiàn)的,難以計(jì)算,但關(guān)鍵是,這種方法為我們提供了一種自動(dòng)化整個(gè)過(guò)程的方法。

總結(jié)

回顧一下,我已經(jīng)解釋了遞歸python函數(shù)如何使用余弦相似性和spacy自然語(yǔ)言處理庫(kù)來(lái)接受相似文本的輸入,然后返回彼此不太相似的文本。

可能有很多這樣的用例……類(lèi)似于我在本文開(kāi)頭提到的歸檔用例,你可以使用這種方法在數(shù)據(jù)集中過(guò)濾具有惟一歌詞的歌曲,甚至過(guò)濾具有惟一內(nèi)容類(lèi)型的社交媒體帖子。

到此這篇關(guān)于利用Python過(guò)濾相似文本的簡(jiǎn)單方法的文章就介紹到這了,更多相關(guān)Python過(guò)濾相似文本內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

您可能感興趣的文章:
  • python使用jieba實(shí)現(xiàn)中文分詞去停用詞方法示例
  • Python實(shí)現(xiàn)敏感詞過(guò)濾的4種方法
  • Python過(guò)濾序列元素的方法
  • python numpy實(shí)現(xiàn)多次循環(huán)讀取文件 等間隔過(guò)濾數(shù)據(jù)示例
  • python正則過(guò)濾字母、中文、數(shù)字及特殊字符方法詳解
  • python基礎(chǔ)之停用詞過(guò)濾詳解

標(biāo)簽:德宏 臨汾 東莞 長(zhǎng)春 漢中 河池 廊坊 重慶

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《利用Python過(guò)濾相似文本的簡(jiǎn)單方法示例》,本文關(guān)鍵詞  利用,Python,過(guò)濾,相似,文本,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題,煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們,我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無(wú)關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《利用Python過(guò)濾相似文本的簡(jiǎn)單方法示例》相關(guān)的同類(lèi)信息!
  • 本頁(yè)收集關(guān)于利用Python過(guò)濾相似文本的簡(jiǎn)單方法示例的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章
    日韩一级黄色| 日本久久久久久久 97久久精品一区二区三区 狠狠色噜噜狠狠狠狠97 日日干综合 五月天婷婷在线观看高清 九色福利视频 | 九九久久国产精品| 国产成人啪精品| 黄色福利片| 国产麻豆精品免费密入口| 九九久久国产精品大片| 九九免费精品视频| 九九久久99| 麻豆网站在线看| 国产一区二区精品| 精品视频在线看| 国产91丝袜在线播放0| 九九久久99| 日韩专区亚洲综合久久| 日本伦理片网站| 国产亚洲男人的天堂在线观看| 国产视频在线免费观看| 国产美女在线观看| 日韩一级黄色| 国产视频在线免费观看| 久草免费资源| 欧美一区二区三区性| 国产高清在线精品一区二区| 亚欧成人毛片一区二区三区四区| 亚洲精品中文字幕久久久久久| 好男人天堂网 久久精品国产这里是免费 国产精品成人一区二区 男人天堂网2021 男人的天堂在线观看 丁香六月综合激情 | 欧美一级视频免费观看| 日日夜夜婷婷| 成人高清视频在线观看| 国产一区精品| 四虎影视久久| 欧美激情一区二区三区视频| 精品久久久久久中文字幕一区 | 国产一区二区精品久| 九九久久99| 黄视频网站在线免费观看| 精品久久久久久免费影院| 国产一区精品| 99热精品一区| 欧美激情中文字幕一区二区| 日韩一级黄色片| 日本在线www| 毛片电影网| 日韩一级黄色| 日本特黄特色aa大片免费| 日韩专区亚洲综合久久| 久久国产影视免费精品| 四虎影视久久久| 日韩在线观看视频免费| 亚欧成人乱码一区二区| 成人免费高清视频| 成人av在线播放| 国产成人欧美一区二区三区的| 四虎影视久久久| 精品国产三级a∨在线观看| 好男人天堂网 久久精品国产这里是免费 国产精品成人一区二区 男人天堂网2021 男人的天堂在线观看 丁香六月综合激情 | 国产成a人片在线观看视频| 欧美激情一区二区三区视频高清| 一本伊大人香蕉高清在线观看| 国产成人欧美一区二区三区的| 一级毛片视频在线观看| 一级毛片视频免费| 国产精品1024永久免费视频| 91麻豆国产福利精品| 国产麻豆精品免费密入口| 精品国产一区二区三区久| 国产高清视频免费观看| 欧美日本免费| 国产成人欧美一区二区三区的| 国产网站免费视频| 精品在线观看国产| 99色视频在线| 久久精品免视看国产成人2021| 精品国产亚一区二区三区| 精品国产亚洲人成在线| 午夜激情视频在线观看| 欧美a级成人淫片免费看| 日本特黄特色aaa大片免费| 国产亚洲男人的天堂在线观看| 成人高清视频在线观看| 国产不卡在线播放| 一本伊大人香蕉高清在线观看| 国产精品免费精品自在线观看| 超级乱淫黄漫画免费| 韩国毛片免费大片| 日韩av成人| 亚洲精品久久玖玖玖玖| 中文字幕一区二区三区 精品| 超级乱淫伦动漫| 国产精品免费精品自在线观看| 国产伦久视频免费观看 视频| 好男人天堂网 久久精品国产这里是免费 国产精品成人一区二区 男人天堂网2021 男人的天堂在线观看 丁香六月综合激情 | 久久福利影视| 美女免费黄网站| 天天做日日干| 久久久成人影院| 欧美日本免费| 四虎影视精品永久免费网站| 毛片电影网| 可以免费看污视频的网站| 天天做人人爱夜夜爽2020| 国产激情视频在线观看| 国产综合成人观看在线| 韩国三级视频在线观看| 免费一级片在线观看| 精品在线观看国产| 国产91视频网| 欧美激情一区二区三区中文字幕| 青青青草影院 | 国产福利免费观看| 免费毛片基地| 韩国三级视频网站| 九九久久国产精品大片| 国产伦精品一区二区三区无广告| 日本免费看视频| 999久久66久6只有精品| 亚欧成人毛片一区二区三区四区| 亚洲天堂在线播放| 欧美另类videosbestsex久久| 尤物视频网站在线观看| 国产a网| 亚洲 国产精品 日韩| 国产综合91天堂亚洲国产| 国产精品免费精品自在线观看| 欧美日本免费| 国产国产人免费视频成69堂| 91麻豆精品国产片在线观看| a级毛片免费观看网站| 九九精品在线| 久久福利影视| 日韩avdvd| 黄视频网站在线看| 九九热国产视频| 99色视频在线| 久久99中文字幕| 久草免费在线观看| 欧美18性精品| 欧美爱爱动态| 国产网站麻豆精品视频| 国产91精品一区二区| 国产网站在线| 亚洲第一色在线| 日韩在线观看免费| 精品久久久久久影院免费| 国产不卡在线播放| 国产成人精品综合久久久| 国产视频一区二区在线观看| 精品视频在线观看免费| 国产91丝袜在线播放0| 四虎论坛| 九九精品久久久久久久久| 日本特黄特色aaa大片免费| 国产一区二区精品尤物| 精品视频在线观看一区二区 | 国产一区二区精品| 精品毛片视频| 欧美激情一区二区三区视频| 国产a毛片| 青草国产在线| 亚洲精品影院| 麻豆系列 在线视频| 欧美日本免费| 国产成人啪精品视频免费软件| 久久国产精品自由自在| 日韩欧美一二三区| 欧美大片毛片aaa免费看| 久久国产精品永久免费网站| 欧美a级大片| 国产麻豆精品| 香蕉视频一级| 免费的黄色小视频| 成人免费观看网欧美片| 国产网站麻豆精品视频| 精品国产香蕉伊思人在线又爽又黄| 九九热国产视频| 精品久久久久久免费影院| 欧美激情一区二区三区在线 | 在线观看导航| 成人高清视频免费观看| 日韩专区一区| 亚洲第一页乱| 国产网站在线| 青青久久精品| 麻豆系列国产剧在线观看| 99色视频在线| 中文字幕一区二区三区精彩视频 | 日本在线www| 九九精品久久| 免费国产在线视频| 国产伦久视频免费观看 视频 | 中文字幕Aⅴ资源网| 四虎影视久久久| 欧美1区| 一级女性全黄久久生活片| 四虎精品在线观看| 久久99这里只有精品国产| 日韩免费在线观看视频| 国产视频一区在线| 国产一级生活片|