class WordCount:
def __init__(self):
self.m = MyMecab()
self.tf = {}
self.all_tf = defaultdict(int)
self.df = defaultdict(int)
self.tfidf = defaultdict(dict)
def calc_tfidf(self, documents):
doc_num = len(documents)
# 文書名と文書内容を取り出す
for doc_name, doc in documents.items():
d = defaultdict(int)
# 文書の形態素解析により単語の原型を取り出す
words = self.m.getFeature(doc, MyMecab.MECAB_FEATURE_BASE)
# 得られた単語に対して数を数える
for word in words:
d[word] += 1 # 単語頻度（tf）のため
self.all_tf[word] += 1 # 文書頻度（df）のため
self.tf[doc_name] = d
# すべての単語でループする
for word in self.all_tf.keys():
# 全ドキュメントでループする
for doc_name in documents.keys():
# 単語が数えられていたら
if word in self.tf[doc_name] and self.tf[doc_name][word] > 0:
# 単語頻度dfの計算
self.df[word] += 1
for doc_name in documents.keys():
# tf-idfの計算
if word in self.tf[doc_name]:
# print doc_name
# print word
# print self.tf[doc_name][word]
# print float(self.df[word])
# print log(doc_num / float(self.df[word]))
self.tfidf[doc_name][word] = self.tf[doc_name][word] * log(doc_num / float(self.df[word]))
def __init__(self):
self.m = MyMecab()
self.tf = {}
self.all_tf = defaultdict(int)
self.df = defaultdict(int)
self.tfidf = defaultdict(dict)
