class Test_MakeSimilarityWord(unittest.TestCase):
"""
Usage:
python test/test_check_similarity.py ()
"""
def setUp(self):
"""
setting initial paramater
"""
self.input_ann_list = APP_ROOT + '/../data/jawikify_20160310/ann_list'
self.input_twitter_data = APP_ROOT + '/../data/twitter_data.txt'
self.input_dir = APP_ROOT + '/../data/jawikify_20160310/'
self.ann_list = []
def test_make_similarity_word(self):
"""
make similarity word
"""
wiki_vector_file_name = APP_ROOT + '/../data/jawiki_vector_delete_first_utf8.txt'
self.input_module = InputFile(wiki_vector_file_name)
self.input_module.input_fast_large_file()
wiki_vector = self.input_module.get_vector()
self.input_module = InputFile(self.input_ann_list)
self.input_module.input_list(self.input_dir)
self.ann_list = self.input_module.get_ann_list()
self.input_module = InputFile(self.input_twitter_data)
self.input_module.input_special_format_file()
self.twitter_list = self.input_module.get_file_data()
self.get_similarity_word = GetSimillairWord(self.twitter_list, self.ann_list, wiki_vector)
self.get_similarity_word.get_proper_noun_word()
self.get_similarity_word.get_simillair_word()
result = self.get_similarity_word.twitter_proper_noun_list
print(result)
print(len(result))
check_result = ['2', '1', '2', '3', '1', '学生', '日', '日', '3', '5', '月', '日', '日', '都', '秋田', '人類', '中国', '餅', '中', '1', '柏', '猫', '日', '日', '3', '鶴', '百', '春日', '顔', '日', '月', '尾', '日', '羽', '鶴', '目', '木', '大和', '奈良', '夢', '髭', '腰', '日', 'ナイン', '日', '髪', '日', '赤', '秋', '春日', '猫', '明', '月', '目', '日', '月', '日', 'ゴルフ', 'タリーズコーヒー', '腹', '腹', '顔', '1', '朝', '竹', '枝', '二つ', '春日', '赤', '稲', '口', '日', 'ふん', 'チャーハン', '朝', '水泳', '浴衣', '浴衣', '豚', '猫', '日', '中', '竹', '1', '5', '上根', '尾', '秋', '月', '袖', '日', '竹', '月', '根', '腰', '腰', '野球', 'ゴジラ', '野球', '白', '道', '小指', '眉毛', '大伴', '日', '王', 'カクテル', 'ありがとう', '豚', '病院', '春日', 'カニ', '水泳', 'ありがとう', 'さき', 'イカ', '日', '豚', '骨', '金', '茶色', '手', 'イカ', 'いちご', '顔', 'ゴジラ', '赤', '柏', '夢', '豚', '五月', '38', '中', '日', 'バター', 'ライス', '秋', '中', '五月', 'ファン', '天の川', 'パン', '名古屋', 'ビール', '日焼け', 'カエル', '日本語', '裕', 'ピンク', '静岡', 'ありがとう', 'パン', 'コカイン', 'ラーメン', '野球', 'おにぎり', '1', '武田', '日', 'アイドル', 'ふん', 'ふん', '朝日新聞', '学生', 'イカ', 'シンガーソングライター', '人間', '人間', '腰', 'ラーメン', 'パン', '安倍', 'ありがとう', 'ありがとう', 'ありがとう', 'ありがとう', 'たまき', '高', '中', 'ありがとう', '月', 'ありがとう', 'ライバル', 'オリックス', 'ありがとう', 'ありがとう', 'ライス', '口', 'アイドル', '星条旗', '音楽', 'メジャー']
self.assertEqual(result, check_result)
result = self.get_similarity_word.twitter_proper_noun_wiki_vector_dict
print(result)
print(len(result))
check_result = {'名古屋': ['札幌', '広島', '東京', '神戸', '関西', '浜松', '岐阜', '大阪', '北九州', '横浜', '金沢', '福岡'], '腰': ['膝', '踵', '肩', '臀部', '膝', '踵', '肩', '臀部', '膝', '踵', '肩', '臀部', '膝', '踵', '肩', '臀部'], '人間': ['生き物', '生き物'], 'ビール': ['ラガー_(ビール)', 'シードル', 'コーヒー', 'アイスクリーム', '蒸留酒', 'ワイン', 'エール_(ビール)', 'ウイスキー', 'コーラ_(飲料)', '紅茶', 'チョコレート'], '百': ['千', '十'], '奈良': ['和歌山'], '餅': ['玉子', '団子', '神酒', '徳利', '赤飯', 'アズキ', '粥', '饅頭'], 'ラーメン': ['讃岐うどん', '日本料理', '味噌ラーメン', 'うどん', '焼き鳥', '中華料理', '蕎麦', '和食', 'つけ麺', 'カレーライス', 'たこ焼き', 'おでん', '寿司', '麺', 'すき焼き', 'お好み焼き', '餃子', '讃岐うどん', '日本料理', '味噌ラーメン', 'うどん', '焼き鳥', '中華料理', '蕎麦', '和食', 'つけ麺', 'カレーライス', 'たこ焼き', 'おでん', '寿司', '麺', 'すき焼き', 'お好み焼き', '餃子'], 'シンガーソングライター': ['フォークシンガー', 'MC_(ヒップホップ)', '演歌歌手', '音楽グループ', 'ロックバンド', '音楽プロデューサー', '作詞家'], '赤': ['赤色', '藍色', '青', '緑色', '黒', '白', '紫', '朱色', '黄色', '青色', '緑', '赤色', '藍色', '青', '緑色', '黒', '白', '紫', '朱色', '黄色', '青色', '緑', '赤色', '藍色', '青', '緑色', '黒', '白', '紫', '朱色', '黄色', '青色', '緑'], 'バター': ['蕎麦粉', '米飯', 'プディング', '揚げ物', '出汁', '味噌汁', 'マーガリン', '肉類', 'バンズ', 'オートミール', '紅しょうが', 'ポン酢', 'ゴマ', '鶏卵', '焼く_(調理)', 'ニンニク', 'サラダドレッシング', '澄ましバター', '加糖練乳', 'オレンジジュース', 'オリーブ・オイル', 'スモークサーモン', 'うるち米', 'スポンジケーキ', 'タマネギ', 'キュウリ', '酢漬け', 'だし汁', 'コショウ', '煮汁', 'カスタード', 'ルー_(食品)', 'マヨネーズ', 'ココア', 'コーンスターチ', 'ゆで卵', 'シナモン', 'クラッカー_(食品)', '唐辛子', '燻製', '塩味', '食用油', 'コーヒー豆', 'サラダ', '牛乳', 'コンソメ', '煮物', 'ペイストリー', 'ウスターソース', 'サラダ油', '水飴', '黒砂糖', '牛肉', '上白糖', 'ソテー', 'シリアル食品', '重曹', 'カスタードクリーム', 'スープ', 'クレープ', 'アーモンド', 'トマトソース', '餡', 'ショウガ', 'ラッカセイ', 'ミートボール', 'シャーベット', 'ザワークラウト', 'ベシャメルソース', 'グレイビーソース', '植物油', 'トウガラシ', 'チリソース', 'クリームチーズ', 'ヨーグルト', 'マリネ', '目玉焼き', 'ひき肉', 'キャベツ', 'サルサ_(料理)', '生クリーム', '香辛料', 'ホットケーキ', 'フライドポテト', '酢', 'セモリナ', 'ソーセージ', 'ヒヨコマメ', '蜂蜜', 'メレンゲ', '大根おろし', '羊肉', 'きな粉', '糖蜜', 'シチュー', 'ソース_(調味料)', 'サンバル', '砂糖', 'パセリ', 'クリーム_(食品)', 'スパゲッティ', 'サワークリーム', '豆乳', 'カッテージチーズ', 'パルミジャーノ・レッジャーノ', 'ベーキングパウダー', 'ピュレ', 'トルティーヤ', 'チーズ', '果汁', 'ドライフルーツ', 'からし', '薄切り', 'サンドイッチ', 'プロシュット', 'オリーブオイル', 'スクランブルエッグ', 'マッシュポテト', 'グラニュー糖', 'ごま油', 'フィリング', '豚肉', 'フリホレス', 'アイスクリーム', 'パン生地', 'みじん切り', 'レーズン', '片栗粉', 'ブランデー', '調味料', '油揚げ', 'ポテトサラダ', 'ビスケット', '米粉', 'パプリカ', '仔牛肉', '煮込み料理', 'ライ麦パン', 'メープルシロップ', '穀粉', '薬味', 'パスタ', '煮込み', 'ピーナッツバター', '上新粉', 'ピクルス', '酒粕', 'ワカモレ', 'マスタード', '鶏肉', 'ココナッツミルク', 'ココアパウダー', '汁物', 'マシュマロ', 'ジャガイモ', 'ケチャップ', 'もち米', '小麦粉', 'サラミ', '挽肉', '種実類', 'フライ_(料理)', 'シロップ', 'チョコレート', 'ニンジン', 'ヌガー', '鰹節'], 'タリーズコーヒー': ['ニトリ', 'モスバーガー', 'ピザハット', 'スポーツオーソリティ', 'ベイシア', 'ヤオコー', 'サブウェイ', '成城石井', 'オークワ', 'ドトールコーヒー', 'ミドリ電化', 'ケーズホールディングス', 'コーナン'], '白': ['青', '黒', '赤'], '鶴': ['梅', '梅'], '二つ': ['五つ', '２つ', '三つ', 'ふたつ'], '浴衣': ['タキシード', '白無垢', '着物', '喪服', '普段着', 'タキシード', '白無垢', '着物', '喪服', '普段着'], '竹': ['松', '柳', '松', '柳', '松', '柳'], 'カエル': ['タコ', 'ワニ', 'カブトムシ', 'ヘビ'], 'ピンク': ['ピンク色', '桃色', 'パープル'], '野球': ['ラグビー', 'ラグビー', 'ラグビー'], '髭': ['あごひげ', 'ヒゲ', '口髭', '髪の毛', '口ひげ', 'ひげ', '髪'], '小指': ['左足', '指', '中指', '親指', '人差し指', '薬指', '手首'], '武田': ['長宗我部', '毛利', '今川', '朝倉', '織田', '上杉', '北条', '武田氏', '大友', '島津'], 'ふん': ['ぺん', 'ぎゅう', 'ぺん', 'ぎゅう', 'ぺん', 'ぎゅう'], 'オリックス': ['楽天', '日本ハム', 'ロッテ', '千葉ロッテマリーンズ', '読売ジャイアンツ', 'DeNA', '北海道日本ハムファイターズ', '広島東洋カープ', 'オリックスバファローズ', '巨人', '福岡ソフトバンクホークス', '阪神', 'タイガース', '東北楽天ゴールデンイーグルス', '大阪近鉄バファローズ', '千葉ロッテ', '阪神タイガース', '横浜ベイスターズ', '西武', '中日ドラゴンズ', 'ヤクルト', '東京ヤクルトスワローズ', '埼玉西武ライオンズ', '横浜DeNAベイスターズ', '中日', 'オリックス・バファローズ', 'ソフトバンク'], 'おにぎり': ['煮干し', '刺身', '惣菜', 'カップラーメン', 'ラー油', '米飯', '揚げ物', '味噌汁', '紅しょうが', '天ぷら', '麺類', 'から揚げ', '定食', '炒飯', '汁粉', '茶漬け', 'うどん', '食パン', '煮物', '雑煮', '抹茶', 'ウスターソース', '吸い物', 'カステラ', '中華まん', '薩摩揚げ', '餡', 'たい焼き', 'あられ_(菓子)', 'ミートボール', 'ちらし寿司', 'インスタント食品', 'チャーシュー', '目玉焼き', '焼きそば', '梅干し', '豆腐', '求肥', '稲荷寿司', 'キムチ', '卵焼き', '大根おろし', '蒲鉾', 'ハンバーガー', '鍋料理', '佃煮', 'コロッケ', 'サンドイッチ', '煎餅', 'かき氷', '鍋物', 'しゃぶしゃぶ', 'カレーライス', '油揚げ', 'おでん', '沢庵漬け', 'チャーハン', '薬味', '削り節', 'ソフトクリーム', 'ご飯', 'すき焼き', '汁物', '丼物', '饅頭', '竹輪', '豚カツ', '鰹節'], '1': ['6', '7', '2', '3', '4', '9', '8', '5', '0', '6', '7', '2', '3', '4', '9', '8', '5', '0', '6', '7', '2', '3', '4', '9', '8', '5', '0', '6', '7', '2', '3', '4', '9', '8', '5', '0', '6', '7', '2', '3', '4', '9', '8', '5', '0', '6', '7', '2', '3', '4', '9', '8', '5', '0'], 'ゴジラ': ['ゴジラ_(架空の怪獣)', 'ガメラ', 'ゴジラ_(1954年の映画)', 'ゴジラ_(架空の怪獣)', 'ガメラ', 'ゴジラ_(1954年の映画)'], '38': ['398', 'Vireo', 'ヒノオビクラゲ属', '363', '728', 'Q型小惑星', 'Numenius', 'practische', '119', 'エメリ・ドレフェス', '727', 'orotate', 'Zink', 'Mingo', 'アーカンソー・レイザーバックス', '778', '195', '2013', 'くぼたみか', '327', '稲垣定計', 'エレグア', 'エチレン酢酸ビニル液', '板倉昌信', 'monomethyl', 'アオグラ', '392', '162', '288', '384', '729', '123', 'abolition', '717', '1008', 'Deutzia', '741', '386', '167', 'postes', 'Threadfin', '藤本貴之', '286', '212', '84', 'アルビオリックス', 'Bluefish', 'コカ・コーラ・フィールド', '439', 'クリティア', '420', '豪華一代娘', '169', '211', '302', '酒井忠寧', '320', '443', 'bhāvayato', '武内こずえ', '335', '504', '安食西', 'ジャンヌ・ド・ブルボン＝ヴァンドーム', 'Searaven', '五蘊盛苦', '521', '218', 'Fanshaw', 'Liparis', '畳製作技能士', '503', '沖縄県立森川特別支援学校', '164', 'ẓam', 'Crevalle', '319', '渡辺親綱', '282', '変態王子と笑わない猫。', 'イジゲンセカイ', 'methylcoclaurine', '軍歴証明書', 'Coptis', '362', 'Grunion', '毎日が夏休み', 'afpbb', '蕭宝義', 'ゾガン県', '渡辺登綱', 'Gurnard', '1729', 'トックリラン', '988', 'ガスアンドパワーインベストメント', 'フランチェスコ3世・ゴンザーガ', '下平尾', 'coniferyl', 'trimethyl', '味噌蔵', '明日に向って走れ', 'テキサス州選出のアメリカ合衆国上院議員', 'グッド・アズ・アイ・ビーン・トゥ・ユー', 'Sterlet', '恋愛日記', '731', '324', 'クレージーの殴り込み清水港', '1728', '287', 'ニット製品製造技能士', '348', '人斬り龍馬', '畑満秀', 'ファスン', '719', '56', '751', 'Puffer', 'Jallao', 'jwest', '岐阜県道358号井尻八百津線', '122', '┐\u3000\u3000\u3000\u3000\u3000┌', '285', '322', '217', '259', '487', 'ルッゲル', 'サラシア属', '日野資邦', '2012年宜野湾市長選挙', 'Tirante', 'Bowfin', 'Ronquil', '185', '330', '鳥居忠瞭', '稲葉正益', 'Blenny', 'MACCS', '343', '日野「君が代」伴奏拒否訴訟', '321', 'Tarpon', '44', 'Seadevil', '大日本帝国憲法第73条', 'Gudgeon', '946', '海雲寺', '258', '954', '49', 'ムリフェン', '345', '276'], '王': ['国王'], '2': ['6', '7', '3', '1', '4', '9', '8', '5', '0', '6', '7', '3', '1', '4', '9', '8', '5', '0'], '五月': ['七月', '十月', '六月', '十二月', '四月', '九月', '八月', '二月', '三月', '十一月', '七月', '十月', '六月', '十二月', '四月', '九月', '八月', '二月', '三月', '十一月'], '枝': ['葉', '枝は', '茎'], '日本語': ['英語', '原語'], 'ありがとう': ['みなさん', 'みなさん', 'みなさん', 'みなさん', 'みなさん', 'みなさん', 'みなさん', 'みなさん', 'みなさん', 'みなさん', 'みなさん'], '骨': ['頭蓋骨'], '猫': ['ネコ', '仔猫', '小鳥', 'ネズミ', 'ネコ', '仔猫', '小鳥', 'ネズミ', 'ネコ', '仔猫', '小鳥', 'ネズミ'], 'コカイン': ['覚醒剤', '薬物', '覚せい剤', 'LSD_(薬物)', '大麻', 'ヘロイン', 'アンフェタミン', 'マリファナ', 'モルヒネ', 'メタンフェタミン'], '5': ['6', '7', '2', '3', '1', '4', '9', '8', '0', '6', '7', '2', '3', '1', '4', '9', '8', '0'], '3': ['6', '7', '2', '1', '4', '9', '8', '5', '0', '6', '7', '2', '1', '4', '9', '8', '5', '0', '6', '7', '2', '1', '4', '9', '8', '5', '0'], '豚': ['羊', '鶏', '牛', 'ブタ', 'ヤギ', 'ヒツジ', 'ニワトリ', 'ウシ', '山羊', '羊', '鶏', '牛', 'ブタ', 'ヤギ', 'ヒツジ', 'ニワトリ', 'ウシ', '山羊', '羊', '鶏', '牛', 'ブタ', 'ヤギ', 'ヒツジ', 'ニワトリ', 'ウシ', '山羊', '羊', '鶏', '牛', 'ブタ', 'ヤギ', 'ヒツジ', 'ニワトリ', 'ウシ', '山羊'], '秋': ['夏', '春', '夏', '春', '夏', '春'], '学生': ['生徒', '大学生', '生徒', '大学生'], '眉毛': ['あごひげ', '頭髪', '髪の毛', '白目', '口ひげ', '前髪'], 'チャーハン': ['煮干し', 'ミルクセーキ', '惣菜', 'ラー油', '唐揚げ', '米飯', 'グラタン', 'スパゲティ', '揚げ物', '味噌汁', '紅しょうが', 'ナポリタン', 'すまし汁', '海鮮', '天ぷら', '焼く_(調理)', 'サラダドレッシング', '麺類', '叉焼', 'かりんとう', 'タコス', '定食', '炒飯', '汁粉', '塩味', '煮魚', 'うどん', 'サラダ', 'オムライス', 'ドミグラスソース', 'コンソメ', '煮物', 'カツ丼', '吸い物', 'ソテー', '照り焼き', '煮付け', 'クレープ', '中華麺', 'ハンバーグ', 'ミートボール', 'ちらし寿司', 'インスタント食品', 'おにぎり', '炒め物', 'チャーシュー', 'ピラフ', '目玉焼き', '焼きそば', 'ビーフン', '豆腐', 'たぬき_(麺類)', 'フライドポテト', 'キムチ', '卵焼き', '大根おろし', '前菜', '煮つけ', 'シチュー', 'サンバル', 'ハンバーガー', 'スパゲッティ', 'チゲ', 'カツレツ', 'コロッケ', '点心', '雑炊', '春巻き', 'サンドイッチ', 'ケバブ', '麻婆豆腐', 'マッシュポテト', '豚骨', '鍋物', 'しゃぶしゃぶ', 'カレーライス', '油揚げ', '沢庵漬け', '煮込み料理', 'がんもどき', '煮込み', 'オードブル', 'あんかけ', 'ベトナム料理', 'ご飯', 'ムニエル', 'すき焼き', '汁物', '餃子', 'オムレツ', 'ケチャップ', 'ドライカレー', 'フライ_(料理)', '炊き込みご飯', '豚カツ', 'シュークリーム', 'カスタードプディング'], '髪': ['黒髪', '髪型', '長髪', '頭髪', '髭', '髪の毛', '金髪', '前髪'], '中国': ['台湾', '中華人民共和国', '朝鮮', '韓国'], '朝日新聞': ['夕刊フジ', '産経新聞', '同紙', '朝鮮日報', '日本経済新聞', '朝日新聞社', '神戸新聞', '週刊朝日', '東京スポーツ', '大阪朝日新聞', '中国新聞', '毎日新聞', '読売新聞', '日刊スポーツ', '東京新聞', '中日新聞', '共同通信', '朝刊', '北海道新聞', '週刊文春'], '茶色': ['褐色', '黄土色', '白色', 'オリーブ色', '赤褐色', '地色', '黒色', 'ベージュ', '黒褐色', '深緑', '水色', '赤色', '藍色', '緑色', '銀灰色', '灰色', '橙色', 'オレンジ色', 'ピンク色', '乳白色', '紫色', 'クリーム色', '灰白色', '茶褐色', '銀色', '桃色', '朱色', '黄色', '青色', '薄茶', '栗色'], 'カニ': ['タコ', 'ヒトデ', 'ヒラメ', 'ドジョウ', 'アミ_(甲殻類)', 'カジキ', 'イセエビ', 'カタクチイワシ', 'ナメクジ', 'スズキ_(魚)', 'タラバガニ', 'アンコウ', 'ナマコ', '魚', '硬骨魚', 'トビウオ', 'シャコ', 'ウニ', 'シラウオ', 'サンマ', '二枚貝', 'タチウオ', 'カイアシ類', 'ウツボ', 'オキアミ', '多毛類', 'カレイ', 'ハゼ', 'アナゴ', 'エビ', '頭足類', 'サメ', '小魚', 'ザリガニ'], 'たまき': ['やまかわ', 'ようへい', 'うの', 'りさ', 'ひでみ', 'あいはら', 'むらせ', 'かおる', 'まりこ', 'あきもと', 'みさ', 'ひろき', 'いわお', 'やすこ', 'はやせ', 'のなか', 'まさえ', 'しまだ', 'さえき', 'かのう', 'みつる', 'ゆうこ', 'あゆむ', 'えんどう', 'たかはし', 'たいぞう', 'みはる', 'あさい', 'きど', 'しんたろう', 'みずき', 'いぬい', 'まいこ', 'えり', 'なるみ', 'かたおか', 'みづき', 'まさこ', 'きぬこ', 'ふかみ', 'しょうぞう', 'さおり', 'かめい', 'としえ', 'みほ', 'はるこ', 'しゅうじ', 'ゆうき', 'しおん', 'たにぐち', 'じゅんぞう', 'たつみ', 'ゆきえ', 'かつみ', 'あらき', 'ゆみこ', 'しょうこ', 'るみ', 'もちづき', 'みつこ', 'みちこ', 'やまぎし', 'なおこ', 'きたがわ', 'ゆうじ', 'あけみ', 'まゆずみ', 'いわもと', 'みつお', 'まつばら', 'こいけ', 'はやま', 'わたぬき', 'やました', 'いなだ', 'はしもと', 'はやみ', 'ふじなみ', 'かわかみ', 'かわい', 'よしえ', 'とりい', 'かおり', 'まゆこ', 'こすぎ', 'いわさき', 'ごとう', 'あかね', 'みき', 'いしだ', 'かわぐち', 'くわばら', 'おおば', 'りこ', 'よしの', 'ちえこ', 'りか', 'ひろこ', 'みうら', 'のぶこ', 'しみず', 'たちばな', 'はるみ', 'おがわ', 'ねもと', 'まゆ', 'さとう', 'かねこ', 'ちさ', 'ほんま', 'ななえ', 'ふみこ', 'ちよ', 'みさこ', 'あみ', 'くろだ', 'たかむら', 'ゆきの', 'あやこ', 'ざわ', 'ちかこ', 'いさむ', 'まりえ', 'なおみ', 'りえ', 'ともこ', 'ひさこ', 'よりこ', 'まみ', 'えりか', 'なぎ', 'こうへい', 'ちさと', 'みちお', 'しゅうへい', 'ひでこ', 'しげこ', 'かざま', 'まなべ', 'くろき', 'ももこ', 'いりえ', 'とおる', 'かわばた', 'よしざわ', 'すぎはら', 'ひろみ', 'たかこ', 'かずき', 'いくこ', 'さゆり', 'えつこ', 'つよし', 'まきこ', 'なつこ', 'けんじ', 'ひろふみ', 'ひろえ', 'あゆ', 'あきの', 'みつはし', 'やまだ', 'しげる', 'こじま', 'おぐら', 'としこ', 'くみこ', 'ますみ', 'こうた', 'れいこ', 'むつみ', 'むろい', 'せつこ', 'めぐむ', 'なかにし', 'あやの', 'ひろの', 'みつき', 'けいこ', 'ゆきこ', 'いくみ', 'さなえ', 'ふじい', 'すみこ', 'たかの', 'ようこ', 'あきと', 'あおい', 'いのうえ', 'あいかわ', 'むとう', 'よしい', 'あきこ', 'あさみ', 'さとる', 'おざき', 'きみこ', 'かずこ', 'まつうら', 'なつみ', 'こんどう', 'はるの', 'おおもり', 'じゅり', 'よしこ', 'かづ', 'すずき', 'さなだ', 'のりこ', 'やまもと', 'ほなみ', 'あつみ', 'おくやま', 'たきぐち', 'いしばし', 'けいすけ', 'あさお', 'さとみ', 'ゆみ', 'あいか', 'なつめ', 'かずみ', 'ちはる', 'せきぐち', 'はづき', 'ともみ', 'いぐち', 'てるこ', 'おおいし', 'しいな', 'あらい', 'ゆりか', 'えいじ', 'えみ', 'あつし', 'るりこ', 'ふるた', 'けんと', 'まさゆき', 'としのり', 'れいか', 'さかまき', 'じゅんこ', 'あおやま', 'たまい', 'あおき', 'みよこ', 'ひかる', 'ゆりえ', 'さちこ', 'てるみ', 'きょうこ', 'まつい', 'のぶとし', 'さとこ', 'きみえ', 'さおとめ', 'かずえ', 'なかい', 'あさこ', 'ひとみ', 'かれん', 'ふるや', 'すえなが', 'まゆみ', 'まなみ', 'りょうこ', 'あや', 'はしづめ', 'はせがわ', 'あきほ', 'ながや', 'みさお', 'きんたろう', 'かとう', 'ささき', 'ひとし'], '裕': ['浩', '朗', '佑', '圭', '肇', '淳', '宏', '晃', '潤', '裕之'], '大伴': ['宿禰'], '木': ['樫', '杉', '切り株', '松の木'], 'さき': ['かしま'], '安倍': ['安倍晋三', '中曽根', '小泉', '小泉純一郎', '鳩山', '福田', '菅', '麻生'], 'カクテル': ['ジン_(蒸留酒)', 'ブランデー', 'リキュール'], '星条旗': ['アメリカ合衆国の国旗'], '秋田': ['福島', '山形', '熊本', '新潟', '青森', '高知', '長野', '盛岡', '岩手'], 'ゴルフ': ['ボウリング'], '静岡': ['愛知', '福島', '神奈川', '新潟', '浜松', '岐阜', '山梨', '長野', '茨城', '富山', '群馬']}
self.assertEqual(result, check_result)
class Test_MakeSimilarityWord(unittest.TestCase):
"""
Usage:
python test/test_check_similarity.py ()
"""
def setUp(self):
"""
setting initial paramater
"""
self.input_ann_list = APP_ROOT + '/../data/jawikify_20160310/ann_list'
self.input_twitter_data = APP_ROOT + '/../data/twitter_data.txt'
self.input_dir = APP_ROOT + '/../data/jawikify_20160310/'
self.ann_list = []
def test_make_similarity_word(self):
"""
make similarity word
"""
wiki_vector_file_name = APP_ROOT + '/../data/jawiki_vector_delete_first_utf8.txt'
self.input_module = InputFile(wiki_vector_file_name)
self.input_module.input_fast_large_file()
wiki_vector = self.input_module.get_vector()
self.input_module = InputFile(self.input_ann_list)
self.input_module.input_list(self.input_dir)
self.ann_list = self.input_module.get_ann_list()
self.input_module = InputFile(self.input_twitter_data)
self.input_module.input_special_format_file()
self.twitter_list = self.input_module.get_file_data()
self.get_similarity_word = GetSimillairWord(self.twitter_list,
self.ann_list, wiki_vector)
self.get_similarity_word.get_proper_noun_word()
self.get_similarity_word.get_simillair_word()
result = self.get_similarity_word.twitter_proper_noun_list
print(result)
print(len(result))
check_result = [
'2', '1', '2', '3', '1', '学生', '日', '日', '3', '5', '月', '日', '日',
'都', '秋田', '人類', '中国', '餅', '中', '1', '柏', '猫', '日', '日', '3', '鶴',
'百', '春日', '顔', '日', '月', '尾', '日', '羽', '鶴', '目', '木', '大和', '奈良',
'夢', '髭', '腰', '日', 'ナイン', '日', '髪', '日', '赤', '秋', '春日', '猫', '明',
'月', '目', '日', '月', '日', 'ゴルフ', 'タリーズコーヒー', '腹', '腹', '顔', '1',
'朝', '竹', '枝', '二つ', '春日', '赤', '稲', '口', '日', 'ふん', 'チャーハン', '朝',
'水泳', '浴衣', '浴衣', '豚', '猫', '日', '中', '竹', '1', '5', '上根', '尾',
'秋', '月', '袖', '日', '竹', '月', '根', '腰', '腰', '野球', 'ゴジラ', '野球',
'白', '道', '小指', '眉毛', '大伴', '日', '王', 'カクテル', 'ありがとう', '豚', '病院',
'春日', 'カニ', '水泳', 'ありがとう', 'さき', 'イカ', '日', '豚', '骨', '金', '茶色',
'手', 'イカ', 'いちご', '顔', 'ゴジラ', '赤', '柏', '夢', '豚', '五月', '38', '中',
'日', 'バター', 'ライス', '秋', '中', '五月', 'ファン', '天の川', 'パン', '名古屋',
'ビール', '日焼け', 'カエル', '日本語', '裕', 'ピンク', '静岡', 'ありがとう', 'パン',
'コカイン', 'ラーメン', '野球', 'おにぎり', '1', '武田', '日', 'アイドル', 'ふん', 'ふん',
'朝日新聞', '学生', 'イカ', 'シンガーソングライター', '人間', '人間', '腰', 'ラーメン', 'パン',
'安倍', 'ありがとう', 'ありがとう', 'ありがとう', 'ありがとう', 'たまき', '高', '中', 'ありがとう',
'月', 'ありがとう', 'ライバル', 'オリックス', 'ありがとう', 'ありがとう', 'ライス', '口',
'アイドル', '星条旗', '音楽', 'メジャー'
]
self.assertEqual(result, check_result)
result = self.get_similarity_word.twitter_proper_noun_wiki_vector_dict
print(result)
print(len(result))
check_result = {
'名古屋': [
'札幌', '広島', '東京', '神戸', '関西', '浜松', '岐阜', '大阪', '北九州', '横浜',
'金沢', '福岡'
],
'腰': [
'膝', '踵', '肩', '臀部', '膝', '踵', '肩', '臀部', '膝', '踵', '肩', '臀部',
'膝', '踵', '肩', '臀部'
],
'人間': ['生き物', '生き物'],
'ビール': [
'ラガー_(ビール)', 'シードル', 'コーヒー', 'アイスクリーム', '蒸留酒', 'ワイン',
'エール_(ビール)', 'ウイスキー', 'コーラ_(飲料)', '紅茶', 'チョコレート'
],
'百': ['千', '十'],
'奈良': ['和歌山'],
'餅': ['玉子', '団子', '神酒', '徳利', '赤飯', 'アズキ', '粥', '饅頭'],
'ラーメン': [
'讃岐うどん', '日本料理', '味噌ラーメン', 'うどん', '焼き鳥', '中華料理', '蕎麦', '和食',
'つけ麺', 'カレーライス', 'たこ焼き', 'おでん', '寿司', '麺', 'すき焼き', 'お好み焼き',
'餃子', '讃岐うどん', '日本料理', '味噌ラーメン', 'うどん', '焼き鳥', '中華料理', '蕎麦',
'和食', 'つけ麺', 'カレーライス', 'たこ焼き', 'おでん', '寿司', '麺', 'すき焼き',
'お好み焼き', '餃子'
],
'シンガーソングライター': [
'フォークシンガー', 'MC_(ヒップホップ)', '演歌歌手', '音楽グループ', 'ロックバンド',
'音楽プロデューサー', '作詞家'
],
'赤': [
'赤色', '藍色', '青', '緑色', '黒', '白', '紫', '朱色', '黄色', '青色', '緑',
'赤色', '藍色', '青', '緑色', '黒', '白', '紫', '朱色', '黄色', '青色', '緑',
'赤色', '藍色', '青', '緑色', '黒', '白', '紫', '朱色', '黄色', '青色', '緑'
],
'バター': [
'蕎麦粉', '米飯', 'プディング', '揚げ物', '出汁', '味噌汁', 'マーガリン', '肉類', 'バンズ',
'オートミール', '紅しょうが', 'ポン酢', 'ゴマ', '鶏卵', '焼く_(調理)', 'ニンニク',
'サラダドレッシング', '澄ましバター', '加糖練乳', 'オレンジジュース', 'オリーブ・オイル',
'スモークサーモン', 'うるち米', 'スポンジケーキ', 'タマネギ', 'キュウリ', '酢漬け', 'だし汁',
'コショウ', '煮汁', 'カスタード', 'ルー_(食品)', 'マヨネーズ', 'ココア', 'コーンスターチ',
'ゆで卵', 'シナモン', 'クラッカー_(食品)', '唐辛子', '燻製', '塩味', '食用油', 'コーヒー豆',
'サラダ', '牛乳', 'コンソメ', '煮物', 'ペイストリー', 'ウスターソース', 'サラダ油', '水飴',
'黒砂糖', '牛肉', '上白糖', 'ソテー', 'シリアル食品', '重曹', 'カスタードクリーム', 'スープ',
'クレープ', 'アーモンド', 'トマトソース', '餡', 'ショウガ', 'ラッカセイ', 'ミートボール',
'シャーベット', 'ザワークラウト', 'ベシャメルソース', 'グレイビーソース', '植物油', 'トウガラシ',
'チリソース', 'クリームチーズ', 'ヨーグルト', 'マリネ', '目玉焼き', 'ひき肉', 'キャベツ',
'サルサ_(料理)', '生クリーム', '香辛料', 'ホットケーキ', 'フライドポテト', '酢', 'セモリナ',
'ソーセージ', 'ヒヨコマメ', '蜂蜜', 'メレンゲ', '大根おろし', '羊肉', 'きな粉', '糖蜜',
'シチュー', 'ソース_(調味料)', 'サンバル', '砂糖', 'パセリ', 'クリーム_(食品)',
'スパゲッティ', 'サワークリーム', '豆乳', 'カッテージチーズ', 'パルミジャーノ・レッジャーノ',
'ベーキングパウダー', 'ピュレ', 'トルティーヤ', 'チーズ', '果汁', 'ドライフルーツ', 'からし',
'薄切り', 'サンドイッチ', 'プロシュット', 'オリーブオイル', 'スクランブルエッグ', 'マッシュポテト',
'グラニュー糖', 'ごま油', 'フィリング', '豚肉', 'フリホレス', 'アイスクリーム', 'パン生地',
'みじん切り', 'レーズン', '片栗粉', 'ブランデー', '調味料', '油揚げ', 'ポテトサラダ',
'ビスケット', '米粉', 'パプリカ', '仔牛肉', '煮込み料理', 'ライ麦パン', 'メープルシロップ',
'穀粉', '薬味', 'パスタ', '煮込み', 'ピーナッツバター', '上新粉', 'ピクルス', '酒粕',
'ワカモレ', 'マスタード', '鶏肉', 'ココナッツミルク', 'ココアパウダー', '汁物', 'マシュマロ',
'ジャガイモ', 'ケチャップ', 'もち米', '小麦粉', 'サラミ', '挽肉', '種実類', 'フライ_(料理)',
'シロップ', 'チョコレート', 'ニンジン', 'ヌガー', '鰹節'
],
'タリーズコーヒー': [
'ニトリ', 'モスバーガー', 'ピザハット', 'スポーツオーソリティ', 'ベイシア', 'ヤオコー',
'サブウェイ', '成城石井', 'オークワ', 'ドトールコーヒー', 'ミドリ電化', 'ケーズホールディングス',
'コーナン'
],
'白': ['青', '黒', '赤'],
'鶴': ['梅', '梅'],
'二つ': ['五つ', '２つ', '三つ', 'ふたつ'],
'浴衣': [
'タキシード', '白無垢', '着物', '喪服', '普段着', 'タキシード', '白無垢', '着物', '喪服',
'普段着'
],
'竹': ['松', '柳', '松', '柳', '松', '柳'],
'カエル': ['タコ', 'ワニ', 'カブトムシ', 'ヘビ'],
'ピンク': ['ピンク色', '桃色', 'パープル'],
'野球': ['ラグビー', 'ラグビー', 'ラグビー'],
'髭': ['あごひげ', 'ヒゲ', '口髭', '髪の毛', '口ひげ', 'ひげ', '髪'],
'小指': ['左足', '指', '中指', '親指', '人差し指', '薬指', '手首'],
'武田':
['長宗我部', '毛利', '今川', '朝倉', '織田', '上杉', '北条', '武田氏', '大友', '島津'],
'ふん': ['ぺん', 'ぎゅう', 'ぺん', 'ぎゅう', 'ぺん', 'ぎゅう'],
'オリックス': [
'楽天', '日本ハム', 'ロッテ', '千葉ロッテマリーンズ', '読売ジャイアンツ', 'DeNA',
'北海道日本ハムファイターズ', '広島東洋カープ', 'オリックスバファローズ', '巨人',
'福岡ソフトバンクホークス', '阪神', 'タイガース', '東北楽天ゴールデンイーグルス', '大阪近鉄バファローズ',
'千葉ロッテ', '阪神タイガース', '横浜ベイスターズ', '西武', '中日ドラゴンズ', 'ヤクルト',
'東京ヤクルトスワローズ', '埼玉西武ライオンズ', '横浜DeNAベイスターズ', '中日',
'オリックス・バファローズ', 'ソフトバンク'
],
'おにぎり': [
'煮干し', '刺身', '惣菜', 'カップラーメン', 'ラー油', '米飯', '揚げ物', '味噌汁',
'紅しょうが', '天ぷら', '麺類', 'から揚げ', '定食', '炒飯', '汁粉', '茶漬け', 'うどん',
'食パン', '煮物', '雑煮', '抹茶', 'ウスターソース', '吸い物', 'カステラ', '中華まん',
'薩摩揚げ', '餡', 'たい焼き', 'あられ_(菓子)', 'ミートボール', 'ちらし寿司', 'インスタント食品',
'チャーシュー', '目玉焼き', '焼きそば', '梅干し', '豆腐', '求肥', '稲荷寿司', 'キムチ',
'卵焼き', '大根おろし', '蒲鉾', 'ハンバーガー', '鍋料理', '佃煮', 'コロッケ', 'サンドイッチ',
'煎餅', 'かき氷', '鍋物', 'しゃぶしゃぶ', 'カレーライス', '油揚げ', 'おでん', '沢庵漬け',
'チャーハン', '薬味', '削り節', 'ソフトクリーム', 'ご飯', 'すき焼き', '汁物', '丼物',
'饅頭', '竹輪', '豚カツ', '鰹節'
],
'1': [
'6', '7', '2', '3', '4', '9', '8', '5', '0', '6', '7', '2',
'3', '4', '9', '8', '5', '0', '6', '7', '2', '3', '4', '9',
'8', '5', '0', '6', '7', '2', '3', '4', '9', '8', '5', '0',
'6', '7', '2', '3', '4', '9', '8', '5', '0', '6', '7', '2',
'3', '4', '9', '8', '5', '0'
],
'ゴジラ': [
'ゴジラ_(架空の怪獣)', 'ガメラ', 'ゴジラ_(1954年の映画)', 'ゴジラ_(架空の怪獣)', 'ガメラ',
'ゴジラ_(1954年の映画)'
],
'38': [
'398', 'Vireo', 'ヒノオビクラゲ属', '363', '728', 'Q型小惑星', 'Numenius',
'practische', '119', 'エメリ・ドレフェス', '727', 'orotate', 'Zink',
'Mingo', 'アーカンソー・レイザーバックス', '778', '195', '2013', 'くぼたみか',
'327', '稲垣定計', 'エレグア', 'エチレン酢酸ビニル液', '板倉昌信', 'monomethyl',
'アオグラ', '392', '162', '288', '384', '729', '123', 'abolition',
'717', '1008', 'Deutzia', '741', '386', '167', 'postes',
'Threadfin', '藤本貴之', '286', '212', '84', 'アルビオリックス',
'Bluefish', 'コカ・コーラ・フィールド', '439', 'クリティア', '420', '豪華一代娘',
'169', '211', '302', '酒井忠寧', '320', '443', 'bhāvayato',
'武内こずえ', '335', '504', '安食西', 'ジャンヌ・ド・ブルボン＝ヴァンドーム', 'Searaven',
'五蘊盛苦', '521', '218', 'Fanshaw', 'Liparis', '畳製作技能士', '503',
'沖縄県立森川特別支援学校', '164', 'ẓam', 'Crevalle', '319', '渡辺親綱', '282',
'変態王子と笑わない猫。', 'イジゲンセカイ', 'methylcoclaurine', '軍歴証明書',
'Coptis', '362', 'Grunion', '毎日が夏休み', 'afpbb', '蕭宝義', 'ゾガン県',
'渡辺登綱', 'Gurnard', '1729', 'トックリラン', '988', 'ガスアンドパワーインベストメント',
'フランチェスコ3世・ゴンザーガ', '下平尾', 'coniferyl', 'trimethyl', '味噌蔵',
'明日に向って走れ', 'テキサス州選出のアメリカ合衆国上院議員', 'グッド・アズ・アイ・ビーン・トゥ・ユー',
'Sterlet', '恋愛日記', '731', '324', 'クレージーの殴り込み清水港', '1728',
'287', 'ニット製品製造技能士', '348', '人斬り龍馬', '畑満秀', 'ファスン', '719',
'56', '751', 'Puffer', 'Jallao', 'jwest', '岐阜県道358号井尻八百津線',
'122', '┐\u3000\u3000\u3000\u3000\u3000┌', '285', '322', '217',
'259', '487', 'ルッゲル', 'サラシア属', '日野資邦', '2012年宜野湾市長選挙',
'Tirante', 'Bowfin', 'Ronquil', '185', '330', '鳥居忠瞭', '稲葉正益',
'Blenny', 'MACCS', '343', '日野「君が代」伴奏拒否訴訟', '321', 'Tarpon',
'44', 'Seadevil', '大日本帝国憲法第73条', 'Gudgeon', '946', '海雲寺',
'258', '954', '49', 'ムリフェン', '345', '276'
],
'王': ['国王'],
'2': [
'6', '7', '3', '1', '4', '9', '8', '5', '0', '6', '7', '3',
'1', '4', '9', '8', '5', '0'
],
'五月': [
'七月', '十月', '六月', '十二月', '四月', '九月', '八月', '二月', '三月', '十一月',
'七月', '十月', '六月', '十二月', '四月', '九月', '八月', '二月', '三月', '十一月'
],
'枝': ['葉', '枝は', '茎'],
'日本語': ['英語', '原語'],
'ありがとう': [
'みなさん', 'みなさん', 'みなさん', 'みなさん', 'みなさん', 'みなさん', 'みなさん', 'みなさん',
'みなさん', 'みなさん', 'みなさん'
],
'骨': ['頭蓋骨'],
'猫': [
'ネコ', '仔猫', '小鳥', 'ネズミ', 'ネコ', '仔猫', '小鳥', 'ネズミ', 'ネコ', '仔猫',
'小鳥', 'ネズミ'
],
'コカイン': [
'覚醒剤', '薬物', '覚せい剤', 'LSD_(薬物)', '大麻', 'ヘロイン', 'アンフェタミン',
'マリファナ', 'モルヒネ', 'メタンフェタミン'
],
'5': [
'6', '7', '2', '3', '1', '4', '9', '8', '0', '6', '7', '2',
'3', '1', '4', '9', '8', '0'
],
'3': [
'6', '7', '2', '1', '4', '9', '8', '5', '0', '6', '7', '2',
'1', '4', '9', '8', '5', '0', '6', '7', '2', '1', '4', '9',
'8', '5', '0'
],
'豚': [
'羊', '鶏', '牛', 'ブタ', 'ヤギ', 'ヒツジ', 'ニワトリ', 'ウシ', '山羊', '羊', '鶏',
'牛', 'ブタ', 'ヤギ', 'ヒツジ', 'ニワトリ', 'ウシ', '山羊', '羊', '鶏', '牛',
'ブタ', 'ヤギ', 'ヒツジ', 'ニワトリ', 'ウシ', '山羊', '羊', '鶏', '牛', 'ブタ',
'ヤギ', 'ヒツジ', 'ニワトリ', 'ウシ', '山羊'
],
'秋': ['夏', '春', '夏', '春', '夏', '春'],
'学生': ['生徒', '大学生', '生徒', '大学生'],
'眉毛': ['あごひげ', '頭髪', '髪の毛', '白目', '口ひげ', '前髪'],
'チャーハン': [
'煮干し', 'ミルクセーキ', '惣菜', 'ラー油', '唐揚げ', '米飯', 'グラタン', 'スパゲティ',
'揚げ物', '味噌汁', '紅しょうが', 'ナポリタン', 'すまし汁', '海鮮', '天ぷら', '焼く_(調理)',
'サラダドレッシング', '麺類', '叉焼', 'かりんとう', 'タコス', '定食', '炒飯', '汁粉',
'塩味', '煮魚', 'うどん', 'サラダ', 'オムライス', 'ドミグラスソース', 'コンソメ', '煮物',
'カツ丼', '吸い物', 'ソテー', '照り焼き', '煮付け', 'クレープ', '中華麺', 'ハンバーグ',
'ミートボール', 'ちらし寿司', 'インスタント食品', 'おにぎり', '炒め物', 'チャーシュー', 'ピラフ',
'目玉焼き', '焼きそば', 'ビーフン', '豆腐', 'たぬき_(麺類)', 'フライドポテト', 'キムチ',
'卵焼き', '大根おろし', '前菜', '煮つけ', 'シチュー', 'サンバル', 'ハンバーガー',
'スパゲッティ', 'チゲ', 'カツレツ', 'コロッケ', '点心', '雑炊', '春巻き', 'サンドイッチ',
'ケバブ', '麻婆豆腐', 'マッシュポテト', '豚骨', '鍋物', 'しゃぶしゃぶ', 'カレーライス',
'油揚げ', '沢庵漬け', '煮込み料理', 'がんもどき', '煮込み', 'オードブル', 'あんかけ',
'ベトナム料理', 'ご飯', 'ムニエル', 'すき焼き', '汁物', '餃子', 'オムレツ', 'ケチャップ',
'ドライカレー', 'フライ_(料理)', '炊き込みご飯', '豚カツ', 'シュークリーム', 'カスタードプディング'
],
'髪': ['黒髪', '髪型', '長髪', '頭髪', '髭', '髪の毛', '金髪', '前髪'],
'中国': ['台湾', '中華人民共和国', '朝鮮', '韓国'],
'朝日新聞': [
'夕刊フジ', '産経新聞', '同紙', '朝鮮日報', '日本経済新聞', '朝日新聞社', '神戸新聞',
'週刊朝日', '東京スポーツ', '大阪朝日新聞', '中国新聞', '毎日新聞', '読売新聞', '日刊スポーツ',
'東京新聞', '中日新聞', '共同通信', '朝刊', '北海道新聞', '週刊文春'
],
'茶色': [
'褐色', '黄土色', '白色', 'オリーブ色', '赤褐色', '地色', '黒色', 'ベージュ', '黒褐色',
'深緑', '水色', '赤色', '藍色', '緑色', '銀灰色', '灰色', '橙色', 'オレンジ色',
'ピンク色', '乳白色', '紫色', 'クリーム色', '灰白色', '茶褐色', '銀色', '桃色', '朱色',
'黄色', '青色', '薄茶', '栗色'
],
'カニ': [
'タコ', 'ヒトデ', 'ヒラメ', 'ドジョウ', 'アミ_(甲殻類)', 'カジキ', 'イセエビ',
'カタクチイワシ', 'ナメクジ', 'スズキ_(魚)', 'タラバガニ', 'アンコウ', 'ナマコ', '魚',
'硬骨魚', 'トビウオ', 'シャコ', 'ウニ', 'シラウオ', 'サンマ', '二枚貝', 'タチウオ',
'カイアシ類', 'ウツボ', 'オキアミ', '多毛類', 'カレイ', 'ハゼ', 'アナゴ', 'エビ', '頭足類',
'サメ', '小魚', 'ザリガニ'
],
'たまき': [
'やまかわ', 'ようへい', 'うの', 'りさ', 'ひでみ', 'あいはら', 'むらせ', 'かおる', 'まりこ',
'あきもと', 'みさ', 'ひろき', 'いわお', 'やすこ', 'はやせ', 'のなか', 'まさえ', 'しまだ',
'さえき', 'かのう', 'みつる', 'ゆうこ', 'あゆむ', 'えんどう', 'たかはし', 'たいぞう',
'みはる', 'あさい', 'きど', 'しんたろう', 'みずき', 'いぬい', 'まいこ', 'えり', 'なるみ',
'かたおか', 'みづき', 'まさこ', 'きぬこ', 'ふかみ', 'しょうぞう', 'さおり', 'かめい',
'としえ', 'みほ', 'はるこ', 'しゅうじ', 'ゆうき', 'しおん', 'たにぐち', 'じゅんぞう',
'たつみ', 'ゆきえ', 'かつみ', 'あらき', 'ゆみこ', 'しょうこ', 'るみ', 'もちづき', 'みつこ',
'みちこ', 'やまぎし', 'なおこ', 'きたがわ', 'ゆうじ', 'あけみ', 'まゆずみ', 'いわもと',
'みつお', 'まつばら', 'こいけ', 'はやま', 'わたぬき', 'やました', 'いなだ', 'はしもと',
'はやみ', 'ふじなみ', 'かわかみ', 'かわい', 'よしえ', 'とりい', 'かおり', 'まゆこ',
'こすぎ', 'いわさき', 'ごとう', 'あかね', 'みき', 'いしだ', 'かわぐち', 'くわばら',
'おおば', 'りこ', 'よしの', 'ちえこ', 'りか', 'ひろこ', 'みうら', 'のぶこ', 'しみず',
'たちばな', 'はるみ', 'おがわ', 'ねもと', 'まゆ', 'さとう', 'かねこ', 'ちさ', 'ほんま',
'ななえ', 'ふみこ', 'ちよ', 'みさこ', 'あみ', 'くろだ', 'たかむら', 'ゆきの', 'あやこ',
'ざわ', 'ちかこ', 'いさむ', 'まりえ', 'なおみ', 'りえ', 'ともこ', 'ひさこ', 'よりこ',
'まみ', 'えりか', 'なぎ', 'こうへい', 'ちさと', 'みちお', 'しゅうへい', 'ひでこ', 'しげこ',
'かざま', 'まなべ', 'くろき', 'ももこ', 'いりえ', 'とおる', 'かわばた', 'よしざわ',
'すぎはら', 'ひろみ', 'たかこ', 'かずき', 'いくこ', 'さゆり', 'えつこ', 'つよし', 'まきこ',
'なつこ', 'けんじ', 'ひろふみ', 'ひろえ', 'あゆ', 'あきの', 'みつはし', 'やまだ', 'しげる',
'こじま', 'おぐら', 'としこ', 'くみこ', 'ますみ', 'こうた', 'れいこ', 'むつみ', 'むろい',
'せつこ', 'めぐむ', 'なかにし', 'あやの', 'ひろの', 'みつき', 'けいこ', 'ゆきこ', 'いくみ',
'さなえ', 'ふじい', 'すみこ', 'たかの', 'ようこ', 'あきと', 'あおい', 'いのうえ',
'あいかわ', 'むとう', 'よしい', 'あきこ', 'あさみ', 'さとる', 'おざき', 'きみこ', 'かずこ',
'まつうら', 'なつみ', 'こんどう', 'はるの', 'おおもり', 'じゅり', 'よしこ', 'かづ',
'すずき', 'さなだ', 'のりこ', 'やまもと', 'ほなみ', 'あつみ', 'おくやま', 'たきぐち',
'いしばし', 'けいすけ', 'あさお', 'さとみ', 'ゆみ', 'あいか', 'なつめ', 'かずみ', 'ちはる',
'せきぐち', 'はづき', 'ともみ', 'いぐち', 'てるこ', 'おおいし', 'しいな', 'あらい',
'ゆりか', 'えいじ', 'えみ', 'あつし', 'るりこ', 'ふるた', 'けんと', 'まさゆき', 'としのり',
'れいか', 'さかまき', 'じゅんこ', 'あおやま', 'たまい', 'あおき', 'みよこ', 'ひかる',
'ゆりえ', 'さちこ', 'てるみ', 'きょうこ', 'まつい', 'のぶとし', 'さとこ', 'きみえ',
'さおとめ', 'かずえ', 'なかい', 'あさこ', 'ひとみ', 'かれん', 'ふるや', 'すえなが',
'まゆみ', 'まなみ', 'りょうこ', 'あや', 'はしづめ', 'はせがわ', 'あきほ', 'ながや',
'みさお', 'きんたろう', 'かとう', 'ささき', 'ひとし'
],
'裕': ['浩', '朗', '佑', '圭', '肇', '淳', '宏', '晃', '潤', '裕之'],
'大伴': ['宿禰'],
'木': ['樫', '杉', '切り株', '松の木'],
'さき': ['かしま'],
'安倍': ['安倍晋三', '中曽根', '小泉', '小泉純一郎', '鳩山', '福田', '菅', '麻生'],
'カクテル': ['ジン_(蒸留酒)', 'ブランデー', 'リキュール'],
'星条旗': ['アメリカ合衆国の国旗'],
'秋田': ['福島', '山形', '熊本', '新潟', '青森', '高知', '長野', '盛岡', '岩手'],
'ゴルフ': ['ボウリング'],
'静岡': [
'愛知', '福島', '神奈川', '新潟', '浜松', '岐阜', '山梨', '長野', '茨城', '富山',
'群馬'
]
}
self.assertEqual(result, check_result)
parser.add_argument('--input_dir', '-i', default=APP_ROOT + '/data/jawikify_20160310/',
help='set input dir')
args = parser.parse_args()
wiki_vector_file_name = args.wiki_vector
input_ann_list = args.ann_list
input_twitter_data = args.twitter_data
input_dir = args.input_dir
# GEt wiki Vector
input_module = InputFile(wiki_vector_file_name)
input_module.input_fast_large_file()
wiki_vector = input_module.get_vector()
# Get Wikificatation
input_module = InputFile(input_ann_list)
input_module.input_list(input_dir)
ann_list = input_module.get_ann_list()
# get Twitter data
input_module = InputFile(input_twitter_data)
input_module.input_special_format_file()
twitter_list = input_module.get_file_data()
# extract Proper noum int he twitter data
get_similarity_word = GetSimillairWord(twitter_list, ann_list, wiki_vector)
get_similarity_word.get_proper_noun_word()
twitter_proper_noun_list = get_similarity_word.twitter_proper_noun_list
# start multi thread
producerConsumer = ProducerConsumerThread(twitter_list, ann_list, wiki_vector)
multi_thread_producer_crawl_instance = threading.Thread(target=producerConsumer.producer_run, args=([twitter_proper_noun_list]))
multi_thread_producer_crawl_instance.start()