9696_zh-CN

liliconcom

图形生成器中的词云？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

各位 JMPers，您好，

有没有人使用 JMP 进行文本挖掘？具体来说，我对使用 Graph Builder 创建交互式词云很感兴趣。我见过连接到 R 的解决方案，但这些解决方案缺乏 JMP 的交互性。

谢谢！

回复：图形生成器中的词云？

我在输出中添加了停用词和颜色。还使 dt 成为一个不可见的表。

云标题= “爱丽丝漫游仙境” ;

// 将所有文本放入一个变量中

TXT =加载文本文件( "c:\temp\alice.txt" ) ;

一个= [ => 0 ] ; // 默认值为零的关联数组

// 计算单词数。 JMP 有一个返回单词列表的 words() 函数，但它不是

// 能够区分单词内部和单词边缘的撇号。

// '我们是这个正则表达式的一个例子。就像'哦。

// '哦，你没办法，'猫说：'我们都疯了。 我生气了。你疯了。'

遥控=拍拍比赛(

TXT ,

拍拍重复(

(正则表达式( “[\w]+('[\w]+)?” ) >>单词+表达式(

单词=大写(单词) ;

一个[单词] ++；

“” ;

)) | (正则表达式( “[^\w]+” )) ,

1个,

9999999 ,

贪婪的

)

) ;

钥匙=一个<<获取密钥;

//显示(N 项(键));

值=一个<<获取值;

//显示(N 项( vals ));

dt =新表( “” ,

新建专栏( “单词” ,特点,设置值(钥匙) ) ,

新建专栏( “数数” ,数字, “连续的” ,格式( “最好的” , 12 ) ,设置值(值) ) ,

无形的

) ;

dt <<种类(经过(数数) ,命令(下降) ,替换表) ;

// 要忽略的词

停用词= { “这” , “曾是” , “不是” , “和” , “在” , “A” , “和” , “从” , “这” , “的” , “是” , “为了” , “到” ,

“一个” , “经过” , “它” , “或者” , “作为” , “有” , “0” , “1” , “2” , “3” , “4” , “5” , “6” , “7” , “8” , “9” , “在” , “是” , “在” ,

“做过” , “那” , “不” , “还” , “是” , “可能” , “但” , “有” , “她” , “她” , “他” , “他的” , “到过” , “00” ,

“01” , “02” , “03” , “04” , “05” , “06” , “07” , “08” , “09” , “10” , “11” , “12” , “13” , “14” , “15” , “16” , “17” ,

“18” , “19” , “20” , “21” , “22” , “23” , “24” , “25” , “26” , “27” , “28” , “29” , “30” , “31” , “在哪里” ,

“IE” , “乙” , “C” , “D” , “E” , “F” , “G” , “H” , “我” , “J” , “K” , “大” , “米” , “N” , “哦” , “P” , “问” , “R” ,

“S” , “T” , “你” , “V” , “W” , “X” , “是” , “Z” , “有” , “喜欢” , “德” , “那里” , “全部” , “得到” ,

“WHO” , “后” , “任何” , “关于” , “公司” , “下一个” , “他们” , “如果” , “这些” , “然后” , “然而” , “我的” } ;

删除行= dt <<获取行在哪里(包含(停用词, :单词) ) ;

dt <<删除行(删除行) ;

新窗户( 《文字词云》 ,

轮廓框(云标题,

边框框(左边( 10 ) ,正确的( 10 ) ,顶部( 10 ) ,底部( 10 ) , v = V 列表框() )

)

) ;

H = H 列表框() ;

• <<附加( ;

// 脚本指南第 341 页中的“好”颜色列表

颜色列表=

[ 0 , 3个, 4个, 5个, 6个, 7 , 8个, 9 , 10 , 11 , 12 , 13 , 14 , 15 , 19 , 20 , 21 , 22 , 23 , 24 , 25 , 26 , 27 , 28 , 29 , 30 ,

31 , 35 , 36 , 37 , 38 , 39 , 40 , 43 , 44 , 45 , 46 , 47 , 51 , 52 , 53 , 54 , 55 , 56 , 57 , 58 , 59 , 60 , 61 , 62 ] ;

颜色=行(颜色列表) ;

排= 1个;

k = 1个;

天然橡胶=行( dt ) ;

最小字数= 8个;

大小乘数= 1个;

如果(天然橡胶< 100 ,

最小字数= 2个;

大小乘数= 2个;

) ;

尽管( dt :数数[排] >最小字数,

X =文本框( dt :单词[排] || “” ) ;

X <<设置字体大小(大小乘数*日志( dt :数数[排] ) * 4个) ;

X <<字体颜色(颜色列表[ k ]) ;

k ++；

如果( k >颜色,

k = 1个;

) ;

H <<附加( X ) ;

如果( H <<获取宽度> 700 ,

H = H 列表框() ;

v <<附加( H ) ;

) ;

排++；

等待( 0 ) ;

) ;

等待( 0 ) ;

关闭( dt ,没有保存) ;

回复：图形生成器中的词云？

谢谢 Craige，非常酷的解决方案。

回复：图形生成器中的词云？

纽约时报的外观很好，因为它很容易实现。

这是一些 JSL

/* 下面的 loadtextfile 从中获取一个文件http://www.gutenberg.org/这说...

古腾堡计划的爱丽丝梦游仙境，作者：Lewis Carroll

这本电子书供任何人在任何地方免费使用，并且

几乎没有任何限制。您可以复制、赠送或

根据 Project Gutenberg License 的条款重新使用它

使用这本电子书或在线访问www.gutenberg.org

书名：爱丽丝梦游仙境

作者：刘易斯卡罗尔

发布日期：2008 年 6 月 25 日 [电子书 #11]

发行日期：1994 年 3 月

[最后更新：2011 年 12 月 20 日]

英语语言

*/

txt = 加载文本文件( "c:\path\Alice.txt " ); 长度( txt );

aa = [=> 0]; // 默认值为零的关联数组

// 计算单词数。JMP 有一个返回单词列表的 words() 函数，但它不是

// 能够区分单词内部和单词边缘的撇号。

// '我们是这个正则表达式的一个例子。就像'哦。

// '哦，你没办法，'猫说：'我们都疯了。 我生气了。你疯了。'

rc = Pat Match( txt, Pat Repeat( (Pat Regex( "[\w]+('[\w]+)?" ) >> word +

Expr( word = Uppercase( word ); aa[word]++; ""; )) |

(Pat Regex( "[^\w]+" )), 1, 9999999, GREEDY ));

keys = aa << getkeys; N 项（键）；

vals = aa << 获取值； N 项（值）；

dt = 新表("无标题",

New Column( "word", character, Set Values( keys ) ),

新列（“计数”，数字，“连续”，格式（“最佳”，12），设置值（vals））

);

dt2 = dt << sort( by( count ), order( 降序 ) );

关闭（dt，nosave）；

dt = dt2;

New Window( "words", Border Box( Left( 10 ), Right( 10 ), top( 10 ), bottom( 10 ), v = V List Box() ) );

h = H 列表框(); v <<追加（h）；

行 = 12； // 通过检查

而（dt：计数[行]> 8，

x = 文本框( dt:word[行] || " " );

x << setfontsize( Log( dt:count[row] ) * 4 );

h <<追加（x）；

If( h << getwidth > 700, h = H List Box(); v << append( h ); );

行++；

等待（0）；

);

PatMatch 语句使用一些正则表达式来识别文本中的单词，将它们大写，并将它们用作关联数组的键。如果关联数组元素不存在（请参阅 =>0），则它们默认为零，因此对于单词的第一个实例不需要特别的努力。PatMatch 中的 PatRepeat 处理整个字符串。在 repeat 中，两个正则表达式交替处理单词和单词之间的内容。在第一个正则表达式中，expr 用于对每个匹配的词执行一些 JSL。expr 做的最后一件事是评估一个空字符串，它将始终匹配当前位置。这个 PatMatch 在大约两秒钟内处理了大约 150K 个字符，包括将单词计数到关联数组中。

从键值对构建数据表并排序，然后创建一个窗口，其中包含一个包含一堆水平列表框的垂直列表框。水平列表框从左到右填满了单词。添加每个单词后，wait(0) 允许窗口更新，以便水平文本框的宽度正确（您可以观察它）。当文本框超过 700 像素时，开始新的一行。

从第 12 行开始，跳过 THE AND A OF IT SHE SAY YOU IN I。当排序计数低于 8 个实例时停止。使用日志转换；爱丽丝有 386 个实例。

正如 Xan 指出的那样，仅后缀、前缀或同义词不同的单词存在问题。可能还有一些其他问题。

Jabberwocky 在 Through the Looking Glass 中。Slithy Toves 不在这里。

更新：可能不应该每次都从链接中获取文本。将 loadtextfile 指向您计算机上的某个文件，可能是从http://www.gutenberg.org/

回复：图形生成器中的词云？

嗨，彼得，我一般不喜欢词云。 也许是因为他们中的很多人做得不好，没有注意同义词或停用词以及随机词的位置。 但是，存在一些固有的缺点，例如不相关的细节（如单词长度）会影响单词的显着性。

我见过的最好的是纽约时报看就职演说，具有有意义的定位和突出显示。

回复：图形生成器中的词云？

感谢斯坦的建议。我喜欢 treemaps 但 wordcloud 更适合显示单词，尤其是长单词。

回复：图形生成器中的词云？

你好彼得，

下面是一些 JSL，用于计算文本文件中的单词数，然后创建树状图。

不完全是一个词云，但可以让你开始你想要的方向。

最好的，

斯坦

清除日志() ;

名称默认到这里( 1个) ;

// 提示输入文本文件

获取文件=选择文件() ;

// 将文本字符串存储在变量中

文本=加载文本文件(获取文件) ;

//按排序顺序创建单词列表，删除空格和其他分隔符

词汇表=排序列表(字(文本, “,./\;!?'()\!” “ )) ;

// 统计列表中的项目

nwds = N 项(词汇表) ;

// 创建两个列表；一种用于删除，一种用于插入

删除列表= {} ;

保留清单= {} ;

// 删除常用词，即； 3个字符或更少的那些

为了(我= 1个,我<= N 项(词汇表) ,我++,

字长=长度(词汇表[我] ) ;

如果(字长<= 3个,

插入(删除列表,词汇表[我] , 1个) ,

插入(保留清单,词汇表[我] )

)

) ;

// 创建数据表

dt =新表( 《词云数据表》 ,

新建专栏( “字” ,特点,设置值(保留清单)) ,

) ;

制表(

显示控制面板( 0 ) ,

包括缺少的分组列( 1个) ,

按分组列数排序( 1个) ,

添加表(行表(分组列( :字) ) )

) <<制作成数据表;

// 创建所有单词的树图

图形生成器(

显示控制面板( 0 ) ,

变量( X ( :字) ) ,

元素(树形图( X ,汇总统计( “和” ) ) ) ,

) ;