معرفی شرکت ها

QDA-0.0.2

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.0.2
0.0.1
0.0.2
0.0.1

توضیحات

A tool for quantitatively measuring the discursive similarity between bodies of text.
ویژگی مقدار
سیستم عامل OS Independent
نام فایل QDA-0.0.2
نام QDA
نسخه کتابخانه 0.0.2
نگهدارنده []
ایمیل نگهدارنده []
نویسنده metalcorebear
ایمیل نویسنده mark.mbailey@gmail.com
آدرس صفحه اصلی https://github.com/metalcorebear/Quantitative-Discursive-Analysis
آدرس اینترنتی https://pypi.org/project/QDA/
مجوز -
# Quantitative Discursive Analysis (C) 2019 Mark M. Bailey, PhD ## About Quantitative Discursive Analysis (QDA) will convert bodies of text into mathematical graph objects built from noun phrases, where each noun or modifier becomes a vertex, and each edge is determined by how the nouns and vertexes are linked within phrases. The more central the noun is to the overall text content, the higher the centrality measure of that particular noun. Thus, the graph is a weighted representation of discursive content, making it more robust that simple keyword frequencies. This object can be used to mathematically compare the discursive content of two or more bodies of text. This is done by calculating the "resonance" between two bodies of text, where resonance is the cosine angle between the betweenness centralities of the intersection of all vertices. This resonance value is normalized between [0,1], where 0 indicates no discursive similarity, and 1 indicates perfect discursive similarity. ## Updates *2022-10-13: Updated resonance function to be more Pythonic. ## More information This tool is built on NetworkX and TextBlob. Please see relevant documentation for additional information on what other calculations can be done on NetworkX graph objects generated using this library. ## Download https://pypi.org/project/QDA/ ## Sample Usage `import QDA` ### Instantiate discursive object. `text_graph = QDA.discursive_object('This is a string of your text. For best results, this string should be at least as long as a typical news article.')` ### Calculate resonance between two discursive objects. `a = QDA.resonate(text_graph_1, text_graph_2)` (noun phrase tuples : list) ### Calculate resonance of discursive objects in series. `resonance_series = QDA.resonate_as_series(G_list)` (resonance values : dict) ### Calculate resonance between all members of a list. `d_community = QDA.discursive_community(G_list)`<br> `d_community.A` (Resonance adjacency matrix : ndarray)<br> `d_community.G` (Graph objhect built from adjacency matrix : NetworkX object)


نیازمندی

مقدار نام
- networkx
- textblob
- numpy


زبان مورد نیاز

مقدار نام
>=2.7 Python


نحوه نصب


نصب پکیج whl QDA-0.0.2:

    pip install QDA-0.0.2.whl


نصب پکیج tar.gz QDA-0.0.2:

    pip install QDA-0.0.2.tar.gz