ความอ่านง่ายของสิ่งพิมพ์ประเภทต่าง ๆ

ในแบบฝึกหัดนี้ มีข้อความตัดตอนจากบทความของสิ่งพิมพ์สี่แห่งให้พร้อมแล้ว โจทย์คือการคำนวณความอ่านง่ายของข้อความเหล่านี้โดยใช้คะแนน Gunning Fog เพื่อเปรียบเทียบระดับความยากในการอ่านของแต่ละสิ่งพิมพ์

ข้อความตัดตอนแต่ละชิ้นเก็บอยู่ในตัวแปรดังนี้:

forbes — ข้อความจากบทความในนิตยสาร Forbes เกี่ยวกับระบบคะแนนสังคมของจีน
harvard_law — ข้อความจากบทวิจารณ์หนังสือที่ตีพิมพ์ใน Harvard Law Review
r_digest — ข้อความจากบทความใน Reader's Digest เกี่ยวกับความปั่นป่วนระหว่างเที่ยวบิน
time_kids — ข้อความจากบทความเกี่ยวกับผลเสียของการบริโภคเกลือ ตีพิมพ์ใน TIME for Kids

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Feature Engineering for NLP in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

นำเข้าคลาส Readability จากไลบรารี readability
คำนวณออบเจกต์ gf สำหรับแต่ละ excerpt โดยใช้เมธอด gunning_fog() บน Readability
คำนวณคะแนน Gunning Fog ผ่าน attribute score
พิมพ์รายการคะแนน Gunning Fog ทั้งหมด

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import Readability
from readability import Readability

# List of excerpts
excerpts = [forbes, harvard_law, r_digest, time_kids]

# Loop through excerpts and compute gunning fog index
gunning_fog_scores = []
for excerpt in excerpts:
  gf = Readability(excerpt).____()
  gf_score = gf.____
  gunning_fog_scores.append(gf_score)
  
# Print the gunning fog indices
print(gunning_fog_scores)

แก้ไขและรันโค้ด