韻を扱いたいpart7（BOW） - Qiita

内容 これまでとはちょっと違ったことをしてみる。テキストの分割方法に頭を悩ましていたが、母音「aiueo」の一致を見るのであれば、母音を様々に並べ、その母音が文章中に出てきたかどうかを示すことで、文章同士を比べられるのでは？という考えのもとやってみる。つまり、「出現頻度を気にせず、各単語が出現したかどうかのみに着目する」バイナリ表現という方法の各単語を母音の様々な並びにする。 様々な母音の並びを単語に見立てたword_listの作成 from pykakasi import kakasi import re import numpy as np import pandas as pd with open("./gennama.txt","r", encoding="utf-8") as f: data = f.read() vowel_list = ["a","i","u","e","o"