Woordenwolk - Anne-Ruth/zoekmachines GitHub Wiki

Wat hebben wij gedaan?

Om de woordenwolk te laten zien op de pagina hebben we ervoor gekozen om een afbeelding te laden naast de tijdlijn. Wanneer er een zoekopdracht wordt uitgevoerd wordt de "document frequency" (df) van de termen in de antwoorden berekend. De df is het aantal documenten waarin een term voorkomt. Wij hebben ervoor gekozen om de termen met de hoogste df te laten zien in de woordenwolk. Een andere manier om te kijken welke termen in de woordwolk horen is om te kijken hoe vaak de termen in de volledige collectie voorkomen. We hebben niet voor deze manier gekozen omdat de grote van antwoorden heel erg kunnen verschillen en wanneer een antwoord heel vaak hetzelfde woord bevat hoeft dat woord nog n iet belangrijk te zijn. Onze aanname is dat als in elk antwoord een woord voorkomt het wel van belang zal zijn op de vraag. We hebben hiervoor wel eerst de stopwoorden eruit gehaald met behulp van nltk, aangezien deze ook een grote kans hebben om in elk antwoord voor te komen. De woordenwolk generen we met een python library "wordcloud".

Wat werkt?

Het maken van de woordwolk werkt. Elke keer als een gebruiker een vraag zoekt van goeievragen wordt er een woordwolk op de website geplaatst. Een voorbeeld van de woordwolk is te zien in de screenshot hieronder. De stopwoorden eruit halen werkt, alleen sommige woorden als 'wel' of 'welke' worden niet gezien als stopwoorden.

Evaluatie

Het opvangen van meerdere stopwoorden zou een toegevoegde waarde zijn aan de woordwolk. Wij hebben gekozen om de df te gebruiken, alleen weten we niet of dit de beste optie is. We zijn er wel van uit gegaan, maar om het zeker te weten zouden de woordwolken vergeleken moeten worden. Verder werkt de woordwolk erg goed.