برای اجرای کد کافیست فایل های ورودی زیر را در یک فولدر قرار دهید و کد پایتون را اجرا کنید. کتابخانه های مورد نیاز در ابتدای کد پایتون موجود است. خروجی ها شامل موارد زیر است: wordcloud_mowlana.png report_mowlana.txt
این پروژه با هدف تحلیل آماری اشعار مولانا و شناسایی پرتکرارترین کلمات با استفاده از تکنیک WordCloud انجام شده است. تمرکز اصلی بر روی مفاهیم کلیدی مانند "عشق" و "فراق" در دیوان شمس است.
| فایل | توضیحات |
|---|---|
run.py |
کد اصلی پایتون برای پردازش و تحلیل |
Clustering-Mowlana-poemWise.csv |
دیتاست ۶۱۴۳ شعر از مولانا (دیوان شمس) |
persian.txt |
لیست ایستواژههای فارسی |
Vazirmatn-Light.ttf |
فونت فارسی برای نمایش صحیح |
wordcloud_mowlana.png |
تصویر خروجی WordCloud |
report_mowlana.txt |
گزارش کامل تحلیل |
pip install pandas wordcloud matplotlib arabic-reshaper python-bidi
python run.py- تصویر WordCloud: نمایش بصری پرتکرارترین کلمات
- فایل گزارش TXT: شامل آمار دقیق، ۲۰ کلمه برتر، درصد فراوانی "عشق" و "فراق" و زمان اجرا
| منبع | لینک |
|---|---|
| دیتاست اشعار فارسی | https://github.com/Mohampouraz/Persian-poetry |
| ایستواژههای فارسی | https://github.com/kharazi/persian-stopwords |
| فونت وزیرمتن | https://github.com/rastikerdar/vazirmatn |
۱. بارگذاری دیتاست CSV و استخراج ستون شعر
۲. پاکسازی متن (حذف علائم نگارشی، اعداد)
۳. حذف کلمات ایست با استفاده از فایل persian.txt
۴. شمارش فراوانی کلمات با Counter
۵. اصلاح جهت و اتصال حروف فارسی با arabic_reshaper و bidi
۶. تولید WordCloud با فونت فارسی
۷. ذخیره تصویر و فایل گزارش
۸. تحلیل جداگانه فراوانی "عشق" و "فراق"
جمع آوری و آماده سازی شده توسط نوید دانایی