东野圭吾小说分析

---

数据挖掘大作业, 文本数据挖掘

实现的功能

• 提取小说中的关键属性(人名、地名、时间词、职业)
• 包含小说中出现的专业名词的精确分词
• 小说中关键属性的统计
• word2vec提取词向量进行相似分析

---

运行环境与依赖库

• python3
• hanlp (专业汉语词汇分词含日本人名\中国人名等)
• jieba (专业中文分词)
• gensim (快速word2vec库)

---

代码结构

• sp_words.py 利用hanlp进行分词，提取人名、地名、时间词、职业
• count_attrs.py 统计属性并写入专业词库
• resp_words.py 利用jieba导入专业词库后再次分词
• advance_analysis.py 利用gensim训练word2vec模型，进行相似分析