赞
踩
首先感谢[AlanConstantineLau]的文章,为做共现矩阵提供了思路。本文也是基于他的代码进行一定的速度优化。
(http://blog.csdn.net/alanconstantinelau/article/details/69258443)
按照原作者的代码,在构造一个较大数据量的矩阵(excel数据10000条,截选出关键词1200余个)时,花费了5个小时,后来修改了算法之后3分钟左右就能构造完成。主要针对以下三个方面进行优化:
1.针对 def format_data(data) :
将原始数据转化为二维数组的过程中,使用set()去掉重复词,可以减少后面共现判断的次数;删去原始数据中与构建矩阵无关的词,也能大幅提高时间。
2.由于共现矩阵上下部分对称,col=row 的下半部分就不用再去判断一次,直接matrix[col][row]=matrix[row][col] 就行。
3.把每个关键词在 format_data 中出现的行的序列 组成一个字典,共现的判断就转化成了 比较两个关键词对应的list 交集个数的问题。
下面贴更新过的的代码(原代码见上面链接):
@log
def get_set_key
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。