Árbol de palabras¶
ests.visualizers.wordtree()
Descripción¶
La construcción de un árbol de palabras que muestra los contextos de una palabra clave en un texto: en cada lista de palabras - una oración, por ejemplo - se cuentan los N-gramas de hasta max_n palabras que empiezan o terminan en la palabra clave. A cada lado los tamaños se recorren en orden ascendente, y entre los N-gramas que continúan uno más corto ya conservado se conservan los max_per_n más frecuentes, alfabéticamente si empatan, así que cada nivel del árbol tiene a lo sumo max_per_n palabras y cada rama continúa una conservada. Los N-gramas conservados se unen en dos árboles, las palabras tras la palabra clave y ante ella, con el tamaño de la letra según la frecuencia; las palabras son solo las etiquetas de los nodos, así que dos puntos o un guion en una palabra no dan problemas.
Nota
El árbol de palabras se describe en detalle en este artículo.
Parámetros¶
| Parámetro | Tipo | Por defecto | Descripción |
|---|---|---|---|
texts |
list[list[str]] | - |
Lista de listas de palabras |
keyword |
str | - |
Palabra clave cuyos contextos se muestran |
max_n |
int | 5 |
Mayor tamaño del contexto |
max_per_n |
int | 8 |
Mayor número de ejemplos para cada tamaño del contexto |
**kwargs |
- | - |
Parámetros de dibujo: max_font_size (por defecto 30), min_font_size (12), font_interp - una función que interpola el tamaño de la letra a partir de la frecuencia |
La función devuelve un Digraph de graphviz.
Ejemplo de uso¶
Las oraciones de Marianela de Galdós de Project Gutenberg.
Ejemplo
Código:
from urllib.request import urlopen
from ests import SentsExtractor, WordsExtractor
from ests.visualizers import wordtree
url = "https://www.gutenberg.org/cache/epub/17340/pg17340.txt"
text = urlopen(url).read().decode("utf-8")
text = text[text.index("\n", text.index("*** START OF")) : text.index("*** END OF")]
we = WordsExtractor(lowercase=True)
sentences = [we.extract(sentence) for sentence in SentsExtractor().extract(text)]
graph = wordtree(sentences, "ojos", max_n=4)
graph.render("wordtree", format="png")
Resultado:
Advertencia
Para dibujar el árbol hacen falta los ejecutables de Graphviz.