上一期欄目中我們介紹了如何利用銳研·云文析進(jìn)行詞頻統(tǒng)計(jì)并最終生成詞云圖。（《不會(huì)寫代碼如何進(jìn)行大數(shù)據(jù)文本分析——詞頻統(tǒng)計(jì)篇》）事實(shí)上，除了簡(jiǎn)單的詞頻統(tǒng)計(jì)，云文析還能更進(jìn)一步進(jìn)行短語(yǔ)統(tǒng)計(jì)（支持N-GRAM分析算法），詞組數(shù)可選擇兩到四詞不等。

N-Gram是一種基于統(tǒng)計(jì)語(yǔ)言模型的算法。它的基本思想是將文本里面的內(nèi)容按照字節(jié)進(jìn)行大小為N的滑動(dòng)窗口操作，形成了長(zhǎng)度是N的字節(jié)片段序列。常應(yīng)用于搜索引擎或輸入法的猜想或者提示，在這里只是借助該算法實(shí)現(xiàn)簡(jiǎn)單的短語(yǔ)抽取以便更好的對(duì)文本內(nèi)容進(jìn)行描述性分析。

還是以疫情期間收集到的1733條第一財(cái)經(jīng)官網(wǎng)新聞數(shù)據(jù)為例，我們選擇了內(nèi)容字段進(jìn)行短語(yǔ)抽取，具體步驟如下：

首先在數(shù)據(jù)庫(kù)分析中新建短語(yǔ)抽取，我們?cè)谶@里選擇了兩詞抽取、三詞抽取和四詞抽取以作對(duì)比示范，大家可以根據(jù)具體需求進(jìn)行調(diào)整。

系統(tǒng)顯示運(yùn)行成功后，點(diǎn)擊右邊箭頭查看抽取結(jié)果

全部抽取結(jié)果如下，點(diǎn)擊詞組篩選可以分別查看兩詞、三詞、四詞抽取結(jié)果

在這里，我們先選擇查看兩詞抽取結(jié)果，由于選擇的文本內(nèi)容來(lái)源媒體報(bào)道，不免有一些固定格式及記者稱呼對(duì)結(jié)果產(chǎn)生干擾，我們選擇刪除了排序第4的詞語(yǔ)【財(cái)經(jīng)記者】和排序第17的【記者表示】。

最后，選擇生成前30詞云圖，兩詞短語(yǔ)抽取最終結(jié)果如下圖（字體越大，代表出現(xiàn)頻率越高）：三三詞短語(yǔ)抽取結(jié)果如下圖：

銳研云文析作為文本大數(shù)據(jù)分析與挖掘云平臺(tái)，可應(yīng)用自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、人工智能等技術(shù)對(duì)大規(guī)模文本數(shù)據(jù)進(jìn)行分析挖掘，并呈現(xiàn)可視化分析結(jié)果。今后，銳研團(tuán)隊(duì)會(huì)分享更多數(shù)據(jù)分析相關(guān)實(shí)用工具及案例，希望此文能為您提供一些幫助。