周杰倫歌詞文字雲

以Python實作tf-idf算法，並以文字雲視覺化描述

以周杰倫、五月天、林俊傑歌詞文本為例

這篇文章會用周杰倫、五月天、林俊傑三者的歌詞文本作為資料集，以tf-idf加權技術萃取三者歌詞文本的關鍵字，並且以文字雲作為視覺化描述。

文本關鍵字

一個文本的關鍵字，應該具備何種性質？常理判斷該語詞倘若出現最多次，便越可能成為關鍵字，否則何必反覆在文中提起，語詞次數來衡量關鍵字，這是一個看似合理的方法，可惜會面臨到以下兩種缺失：

1. 文本長度不一致，衡量便不再可靠，因為長篇幅的文章出現特定語詞的次數相對來說比較高。
2. 如果一個詞語在大多數檔案都有出現，顯然這個語詞對該篇文章也不是那麼關鍵，比如說『我們』、『然後』，這類常見的語詞，雖然在一篇文章次數很高，但這…