python 共现矩阵构建

1.什么是共现矩阵：
共现矩阵：也成为共词矩阵，能表明两个词之间的关系程度

2.构建过程：
数据准备：
假设有10篇文本，我们将从这10篇文本中，提取每一篇的分词结果，并存入Single_text_list中。再将由10篇文章的关键词列表合为一个列表Full_text_list，

Full_text_list=[ [文章1切词结果]，[文章2切词结果] ...]

构建：
1.对每篇文章作词频统计，选出其排名前100的词及词频（或者全部词频统计结果）
2.对词频统计结果求并集，结果存入一个字典中，keys()为词，values()为每个词的词频。再将所有特征词存入Full_Feature_word列表中，其对应的词频存入Full_Feature_weight列表中。
3.建一个二维矩阵Common_matrix其大小为： 总特征词词数x总特征词词数 （也就是共词矩阵）。其横竖分别对应总特征词中的每个词，例如矩阵第3行第5列的数值即代表，特征词第3个与特征词第5个的关系程度，同时它的值也等于该矩阵第5行第3列的值。（对，没错，它也是一个对角矩阵）
4.将共词矩阵对角线上元素赋值为它自身在所有文章出现次数。
5.循环遍历特征词列表，构建全部两个词之间的组合,再遍历每一篇文章的切词结果，如果该两个词在同一片文章中出现，则该两词的权重+1，再将其存入共词矩阵的对应位置中。例如特征词第6个和特征词第8个，这两个词的权重为3，则将其权重3存入共词矩阵的第6行第8列和第8行第6列中。

3.重要功能:
在构建好共词矩阵后，我们需要能够获取 总特征词，特征词所对应的共词矩阵。有了这些，我们还希望能够获取一个词与所有特征词的关系列表

4.python代码
在这里我构建了一个共词矩阵的类，该类接收 Full_text_list=[ [文章1切词结果]