本文仅为作者自学之用，系统为macOS，不保证信息准确。
使用gensim对一系列文章做处理，从分词结果制作词典。但是文章由于不是随机抓取，可能有聚类，导致某些词语以不恰当的频率出现过多次。又不敢直接过滤掉频率超过50%的词，那该怎么做呢？
经过一番查找并没有发现gensim的corpora库中有直接显示词频最高词的功能，于是只能自己利用它提供的方法来做了，代码如下：
from gensim import corpora
dictionary = corpora.Dictionary.load('/dir/to/your.dict')
# print(dictionary.dfs)
# print(type(dictionary.dfs))
result = sorted(dictionary.dfs.items(), key=lambda d: d[1])
result.reverse()
# print(dictionary)
biao = dictionary.token2id
biao_new = {v : k for k, v in biao.items()}
for x in range(20):
print(biao_new[result[x][0]] + ": " + str(result[x][1]))
其中，使用
biao = dictionary.token2id
biao_new = {v : k for k, v in biao.items()}
方法的原因是，不知为何，id2token在我这里返回的是一个空dict格式的文件。所以只有使用token2id后翻转词典了。
这样的话，显示的结果就大致如图所示
结果
从图中可以看书，前几个词明显属于对文章内容造成污染的词汇，应该加以限制或去除。去除的方式就是加进jieba分词的停用词文件，那么分词的结果中便不会再有该词汇出现了。
