一、科研项目成果分组
设计思路：使用kmeans，根据项目简介提取的关键对科研项目成果进行分组。
1 stop_hanzi = get_stop_words() #获取停词库 2 datas = getData(); #获取数据 3 analyzer = ClusterAnalyzer() #初始化类 4 for item in datas: 5 content = item['intro'] 6 label = item['type'] 7 content = [x for x in jieba.cut(content) if x not in stop_hanzi] # 分隔 8 analyzer.addDocument(label,",".join(content)) #加载数据 9 print(analyzer.repeatedBisection(3)) # 重复二分聚类（自定义分为几类） 10 print(analyzer.repeatedBisection(1.0)) # 自动判断聚类数量k（自动分n类） 11 #数据处理，插入数据库中 12 grouptype = analyzer.repeatedBisection(1.0) 13 finalgrouptype = [] 14 for item in grouptype: 15 group = [] 16 for jtem in item: 17 group.append(getcode(jtem)) 18 finalgrouptype.append(group) 19 print(finalgrouptype) 20 num = 0 21 for item in finalgrouptype: 22 num+=1 23 for jtem in item: 24 insert(num,jtem)
这里给一个官方的测试案例
1 from pyhanlp import * 2 3 ClusterAnalyzer = JClass('com.hankcs.hanlp.mining.cluster.ClusterAnalyzer') 4 5 if __name__ == '__main__': 6 analyzer = ClusterAnalyzer() 7 analyzer.addDocument("赵一", "流行, 流行, 流行, 流行, 流行, 流行, 流行, 流行, 流行, 流行, 蓝调, 蓝调, 蓝调, 蓝调, 蓝调, 蓝调, 摇滚, 摇滚, 摇滚, 摇滚") 8 analyzer.addDocument("钱二", "爵士, 爵士, 爵士, 爵士, 爵士, 爵士, 爵士, 爵士, 舞曲, 舞曲, 舞曲, 舞曲, 舞曲, 舞曲, 舞曲, 舞曲, 舞曲") 9 analyzer.addDocument("张三", "古典, 古典, 古典, 古典, 民谣, 民谣, 民谣, 民谣") 10 analyzer.addDocument("李四", "爵士, 爵士, 爵士, 爵士, 爵士, 爵士, 爵士, 爵士, 爵士, 金属, 金属, 舞曲, 舞曲, 舞曲, 舞曲, 舞曲, 舞曲") 11 analyzer.addDocument("王五", "流行, 流行, 流行, 流行, 摇滚, 摇滚, 摇滚, 嘻哈, 嘻哈, 嘻哈") 12 analyzer.addDocument("马六", "古典, 古典, 古典, 古典, 古典, 古典, 古典, 古典, 摇滚") 13 14 print(analyzer.repeatedBisection(3)) # 重复二分聚类 指定分多少类 15 print(analyzer.repeatedBisection(1.0)) # 自动判断聚类数量k 自动分类不需指定分多少类
echarts图例使用demo
二、科研项目成果间的强弱关系
设计思路：先判断关键词是否有相关联，再判断是否同一个单位，再判断是否含有相同的完成人，最终确定关联强度。
这里就不给代码。
echarts图例使用demo
三、京津冀行业发展优势和劣势
设计思路：统计优势的排在前三的行业和排在后面的三个，展示所有的行业现状。
echarts图例使用demo