python 数据挖掘篇四 小说数据挖掘实例

Python安装

python学习 一 python语法，及变量类型

python学习 二 爬一个图片网站上

python学习 二 02 爬一个图片网站，获得主链接网址，并保存

python学习 二 03 爬一个图片网站-获得所有分页网址

python学习 二 04 爬一个图片网站-解析文件，获得所有图片链接

python学习 二 05 爬一个图片网站-下载图片链接

python学习 二 06 爬一个图片网站-多线程方式下载

python学习 三 01 再爬一个网站，几行代码，搞定分类类别

python学习 三 02 再爬一个网站，获得所有分页

python学习 三 03 再爬一个网站，根据分页，下载图片

python学习 三 04 图片爬虫工程-组织框架

Python 爬虫 上篇

Python 爬虫 下篇

python 数据挖掘篇 一 结巴分词

python 数据挖掘篇 二 词云统计

python 数据挖掘篇 三 gensim 使用

python 数据挖掘篇四 小说数据挖掘实例

第四章 小说数据挖掘实例

搜索引擎---给定文字，搜索书中与之相近的文字

示例，做一个书本的搜索引擎，输入以句话，输出与这句话最相近的段落





分三个阶段

1、 预处理阶段
2、 加载预处理好的字典、语料、模型、索引阶段
3、 查询阶段
预处理阶段：





加载阶段



查询阶段



Word2Vec 模型

这个模型也很有意思，可以查找与某个词相近、相反、推理关系。





总结：
之所以研究gensim，是想做一个古典小说搜索引擎、和小说数据分析工具。打算将网站www.gudianxiaoshuo.com打造成古典小说搜索、知识挖掘的网站。

使用红楼梦做为分析对象，实现了搜索分析功能，但是也发现将预处理的信息保存到本地后，占用空间还是很大的，尤其是lsi语料竟然100M，不知道还有没有更好的方法。



项目地址：
https://github.com/gudianxiaoshuo