各品詞の出現頻度の算出

[scriptchildren]

やっていき

[scriptchildren]

タプル型のtoken化したものを別の配列に入れてkey,valueでそれを数えた。 次は品詞情報だけを取得してその頻度を数える

[scriptchildren]

stopwordsごと排除する実装したら主語とかそこらへんも弾かれたので、!?()[],.等々記号だけ弾くように書き換えた 前処理は終わったので、これから集計するコード書く

[scriptchildren]

頻度を算出できた。しかし、大きさに並んでない上に表記がイニシャルだけ(e.g 'VBN'だったら'V'など)なので、そこの細かいとこどうにかする

[scriptchildren]

%で表記する方針にした。しかし、多く含まれるほど割合が低く設定されているのでそこを修正かける

[scriptchildren]

修正をかけ次第、各品詞の頻度をヒストグラムで表現する

[scriptchildren]

• matplotlibのサンプルコードが動かないのを見て、wsl側の原因を考えていたけど、結局コードが悪いだけだった。。。
• 頻度の百分率表記、円グラフの案、出力する為に配列にして渡すところまで終了 →出力したら、細かい見栄えとかいじる

[scriptchildren]

出力してデータを表示させるところまでやった。次の課題としては

• 下の方は小さくて読めないから、タグは右上にテーブルで再現する
• 円の大きさがなぜか左回りにデータが並んでいるからソートする。
• 色が足りないのでもっと増やす
• 画像を出力したところでプログラムの処理が止まるから最後に表示するか工夫する