Python でストップワードを削除する
Samyak Jain
2023年10月10日
-
Python で
NLTKパッケージを使用してストップワードを削除する -
Python で
stop-wordsパッケージを使用してストップワードを削除する -
Python で
textcleanerライブラリのremove_stpwrdsメソッドを使用してストップワードを削除する
ストップワードは、the、a、an など、検索エンジンによって一般的に無視される一般的に使用される単語です。これらの単語は、データベースのスペースと処理時間を節約するために削除されています。There is a snake in my boot という文は、ストップワードなしで snake boot になります。
このチュートリアルでは、Python でストップワードを削除する方法について説明します。
Python で NLTK パッケージを使用してストップワードを削除する
nlkt（自然言語処理）パッケージを使用して、Python のテキストからストップワードを削除できます。このパッケージには、さまざまな言語のストップワードが含まれています。
リストを反復処理して、単語がストップワードであるかどうか、またはこのライブラリのリストを使用していないかどうかを確認できます。
例えば、
import nltk
from nltk.corpus import stopwords
dataset = ["This", "is", "just", "a", "snake"]
A = [word for word in dataset if word not in stopwords.words("english")]
print(A)
出力：
['This', 'snake']
次のコードは、Python のストップワードのリストを示しています。
import nltk
from nltk.corpus import stopwords
print(stopwords.words("english"))
出力：
{'ourselves', 'hers', 'between', 'yourself', 'but', 'again', 'there', 'about', 'once', 'during', 'out', 'very', 'having', 'with', 'they', 'own', 'an', 'be', 'some', 'for', 'do', 'its', 'yours', 'such', 'into', 'of', 'most', 'itself', 'other', 'off', 'is', 's', 'am', 'or', 'who', 'as', 'from', 'him', 'each', 'the', 'themselves', 'until', 'below', 'are', 'we', 'these', 'your', 'his', 'through', 'don', 'nor', 'me', 'were', 'her', 'more', 'himself', 'this', 'down', 'should', 'our', 'their', 'while', 'above', 'both', 'up', 'to', 'ours', 'had', 'she', 'all', 'no', 'when', 'at', 'any', 'before', 'them', 'same', 'and', 'been', 'have', 'in', 'will', 'on', 'does', 'yourselves', 'then', 'that', 'because', 'what', 'over', 'why', 'so', 'can', 'did', 'not', 'now', 'under', 'he', 'you', 'herself', 'has', 'just', 'where', 'too', 'only', 'myself', 'which', 'those', 'i', 'after', 'few', 'whom', 't', 'being', 'if', 'theirs', 'my', 'against', 'a', 'by', 'doing', 'it', 'how', 'further', 'was', 'here', 'than'}
Python で stop-words パッケージを使用してストップワードを削除する
stop-words パッケージは、Python のテキストからストップワードを削除するために使用されます。このパッケージには、英語、デンマーク語、フランス語、スペイン語など、多くの言語のストップワードが含まれています。
例えば、
from stop_words import get_stop_words
dataset = ["This", "is", "just", "a", "snake"]
A = [word for word in dataset if word not in get_stop_words("english")]
print(A)
出力：
['This', 'just', 'snake']
上記のコードは、英語で使用されているすべてのストップワードを削除することでデータセットをフィルタリングします。
Python で textcleaner ライブラリの remove_stpwrds メソッドを使用してストップワードを削除する
textcleaner ライブラリの remove_stpwrds() メソッドは、Python のテキストからストップワードを削除するために使用されます。
例えば、
import textcleaner as tc
dataset = ["This", "is", "just", "a", "snake"]
data = tc.document(dataset)
print(data.remove_stpwrds())
出力：
This
snake