Как присвоить веса ключевым словам с помощью python
Есть ключевые слова, классифицированные по их HTML-тегам, и им необходимо присвоить веса тегам и получить рассчитанный общий вес для каждого ключевого слова отдельно.
H1 tag keywords: ['jquery']
H2 tag keywords:['aws', 'jquery']
p tag keywords:['country', 'jquery', 'aws']
необходимо назначить веса для тегов (пример формата)
H1 - 10
H2 - 5
p - 3
получить расчетные веса из ключевого слова (требуется только общее количество)
jquery : 10 + 5 + 3 = 18
aws : 5 + 3 = 8
country : 3 = 3
Я попытался назначить точки HTML-тегам отдельно, но не могу выполнить требуемый расчет.
как вы храните значения? как вы получаете доступ к своим данным? как мы можем воспроизвести вашу проблему?
Я использовал лемматизацию, классифицировал и извлек ключевые слова из тегов полного HTML-кода - first_headers = ' '.join([e.text для e в супе.find_all('h1')])
Я получил приведенный выше вывод после удаления общих слов и лемматизации: raw1 = first_headers CORPUS = Common_word_corpus corpus = [w.lower() для w в CORPUS] обрабатываемый_H1_tag = [w для w в raw1.split(' ') if w.lower( ) не в корпусе] ...... 2) шаг лемматизатора - output_H1_1 = [lemmatizer.lemmatize(w.lower(), pos=wordnet.VERB) для w в обрабатываемом_H1_tag]
Ответы 1
Есть много разных способов решить эту проблему, и хотя этот не самый элегантный, если мы предположим, что у вас есть разные списки для h1, h2 и p, вы можете сделать следующее:
h1list = [e.text for e in soup.find_all('h1')]
h2list = [e.text for e in soup.find_all('h2')]
plist = [e.text for e in soup.find_all('p')]
weightsdict = { 'h1': 10, 'h2': 5, 'p':3 }
stringtoeval = ['jquery', 'aws', 'country']
for s in stringtoeval:
print(s, weightsdict['h1']*h1list.count(s)+weightsdict['h2']*h2list.count(s)+weightsdict['p']*plist.count(s))
Я получаю сообщение об ошибке «ожидается блок с отступом» при запуске этого
Как присвоить вес 'h1' выходной переменной, которую я получаю, например - first_headers = ' '.join([e.text для e в супе.find_all('h1')])
Можно ли как-то определить, что «stringtoeval» является выводом тега p.
попробуйте сейчас. вы не знаете, является ли один из элементов в строке h1, h2 или p, но если это не так, вы получите 0
что ты уже испробовал?