用户标签提取

# 项目思路是根据用户点赞过的帖子提取文本标签(主要是地理位置)。根据tags进行匹配帖子用作推荐。
# -*- coding:utf-8 -*-
# 此脚本获得User_Likes_Label;获得用户点赞帖子的地理标签

from pymongo import MongoClient
from bson import ObjectId
import jieba.analyse
import json
import re

# 读取标签库加入list

place = {}
file = open('place.txt',encoding = 'utf-8')
for line in file.readlines():
    line = line.strip()
    place[line] = 1

# 设置idf词库
jieba.analyse.set_idf_path('idfall.txt')
# 连接mogno数据库
host = '47.94.14.59'
client = MongoClient('47.94.14.59', 27017)
print(client)
db = client['aituwen']
mycol = db['user_likes']
posts = db['posts']
user_tags = db['user_tags']
num = mycol.count()
author_id = {}
id_label = {}
topK = 20
post_tags = {}
#key:author_id;value:likes
# 每一个用户
for x in mycol.find({}, {"author_id":1,"likes":1}):
    author = x.get("author_id")
    likes = x.get("likes")
    author_id[str(author)] = [likes]
    label = {} # 每一个用户对应一个label标签库
    # 每一篇帖子
    for post in likes:
        # 判断 post是否已经出现过;如果已经分词过,则直接用库里存的标签;
        if post_tags.__contains__(post):
            tags = post_tags.get(post)
        else:
            t = list(posts.find({"_id":ObjectId(post)},{"title":1,"description":1,"media":1}))
            if t == []:
                continue
            else:
                t = t[0]
            title = t.get("title")
            description = t.get("description")
            media = t.get("media")
            # 正则匹配获得文本数据
            try:
                title = ''.join(
                    re.findall(r"[\u4e00-\u9fa5-\u3002\uff1b\uff0c\uff1a\u201c\u201d\uff08\uff09\u3001\uff1f\u300a\u300b]",
                               title))
                sentence = title + '。'
            except:
                sentence = ''
            for i in range(len(media)):
                body = media[i]
                body = body.get('body')
                if body != None:
                    body = ''.join(re.findall (r"[\u4e00-\u9fa5-\u3002\uff1b\uff0c\uff1a\u201c\u201d\uff08\uff09\u3001\uff1f\u300a\u300b]", body))
                    sentence = sentence + body
            try:
                description = ''.join(re.findall (r"[\u4e00-\u9fa5-\u3002\uff1b\uff0c\uff1a\u201c\u201d\uff08\uff09\u3001\uff1f\u300a\u300b]", description))
            except:
                pass

            if description != None:
                sentence = sentence + '。'+ description +'!'
            # 得到sentence;让sentence去分词提取标签。在标签中的词则生成词表与用户map;
            try:
                tagsidf = jieba.analyse.extract_tags(sentence, topK=topK, allowPOS=('ns', 's', 'n', 'vn', 'nsf'))
            except:
                tagsidf = []
                # 得到该句子的标签
            tags = list(set(tagsidf))
            post_tags[post] = tags

        # 存入id_label并计数 id:{label1:1,label2:4,labeln:x},label出现的次数代表用户喜欢程度高;
        for tag in tags:
            if place.__contains__(tag):
                if label.__contains__(tag):
                    label[tag] += 1
                else:
                    label[tag] = 1
            else:
                pass

    id_label[ObjectId(author)] = label
    print('_id:',author)
    print('label:',label)
    # 将帖子存入user_label 存入新的集合中;
for key,values in id_label.items():
    dic = {'author_id':ObjectId(key),'tags':value}
    print(dic)
    user_tags.insert_one(dic)

print('done')
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,928评论 6 509
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,748评论 3 396
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 166,282评论 0 357
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,065评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,101评论 6 395
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,855评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,521评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,414评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,931评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,053评论 3 340
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,191评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,873评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,529评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,074评论 0 23
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,188评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,491评论 3 375
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,173评论 2 357