法律文書において共起される単語ペアを列挙する。
前記事までn-gramで頑張っていたけれど本記事ではおとなしくMeCab利用。

参考

以下を参考にさせて頂いた。ただし、元記事ではグラフまでやっているが、本記事では頻出のペアを表示するまで。
3. Pythonによる自然言語処理　2-1. 共起ネットワーク

異なる点

元記事から手を加えた点だけ記載する。

利用しない単語

元記事では、名詞の共起をやっていた。本記事でもその点は同じ。名詞の中でも数（数詞）ではないものは削除した（あらかじめ削除したほうが良かったかも）点は異なる。法律の文書に〇〇条などの表現が邪魔になりそうな感じがした。

noun_list = [[v.split()[2] for v in m.parse(line).splitlines() if (len(v.split())>=3 and v.split()[3][:2]=='名詞' and v.split()[3][3::]!='数')] for line in lines]

追加したのは以下の部分のみ（だったと思う）。

and v.split()[3][3::]!='数'

v.split()[3]がMeCabの品詞で「名詞-一般」や「名詞-数」など。v.split()[3][3::]が「一般」や「数」の部分。

出力データ作成

cnt_pairsはタプルのリスト。元記事と変数名は同じ。
[((単語X1, 単語X2), 出現回数N1), ((単語X3, 単語X4), 出現回数N2), ...]のような感じになっている。

[tap[0] for tap in cnt_pairs.items() if tap[1] > 300]

出現回数が300以上のものをリスト化している。

[('規定', 'こと'),
 ('項', '規定'),
 ('規定', '者'),
 ('者', 'こと'),
 ('者', '者'),
 ('場合', '者'),
 ('場合', 'こと'),
 ('者', 'とき'),
 ('とき', 'こと'),
 ('者', '人'),
 ('者', '請求'),
 ('人', '人'),
 ('人', 'こと'),
 ('条', '規定'),
 ('とき', '者'),
 ('条', '条'),
 ('条', '項'),
 ('項', '条'),
 ('人', '者'),
 ('規定', '規定'),
 ('権', '者'),
 ('者', '権'),
 ('条', '準用'),
 ('債務', '者'),
 ('債務', 'こと'),
 ('相続', '相続'),
 ('相続', '人'),
 ('債権', 'こと'),
 ('債権', '者'),
 ('者', '債務'),
 ('者', '債権'),
 ('債務', '債務')]

コーパス

コーパス