NGram Creator

This node creates ngrams from the documents of the input table and counts their frequencies. It can be specified whether word or character ngrams are created. Furthermore it can be specified whether the output table is of a bag of words like structure or a data table containing ngrams and their frequencies in the corpus and documents.

Options

N

The N value for ngram creation.

NGram type

The type (Word or Character) specifies whether word or character ngrams are created.

Document column

The column containing the input documents to create the ngrams of.

Output table

Specifies the structure of the output data table. The "Ngram frequencies" option creates an output table consisting of all ngrams and their frequencies in the complete corpus, as well as the documents and sentences or words. Please note that this option is memory consuming for a large number of documents.
The "NGram bag of words" option creates an output data table consisting of ngram and document tuples. A tuple represents the occurrence of an ngram in a document. Additionally the frequency column contains the number of occurrences of the ngram in the document. This option can also be applied on a large set of documents.

Number of maximal parallel processes

Specifies the maximal number of parallel processes running for ngram computation.

Number of documents per process

Specifies the number of documents being processed by a single thread.

Input Ports

The input table containing the documents.

Output Ports

The output table containing the ngrams and their corresponding frequencies, or a bag of ngrams.

Best Friends (Incoming)

• Strings To Document (6 %) StreamableDeprecated
• Strings To Document (6 %) Streamable
• Bag Of Words Creator (6 %) 
• Bag of Words Creator (5 %) Deprecated
• Case Converter (4 %) Streamable
• Snowball Stemmer (3 %) Streamable
• Stop Word Filter (3 %) StreamableDeprecated
• Stop Word Filter (3 %) Streamable
• N-Gram Extractor (3 %) Streamable
• Row Filter (2 %) Streamable
• Reference Row Filter (2 %) 
• Joiner (2 %) 
• String Manipulation (2 %) Streamable
• IDF (2 %) 
• NGram Creator (2 %) 
• N Chars Filter (2 %) Streamable
• Punctuation Erasure (2 %) Streamable
• Table Row To Variable Loop Start (< 1 %) 
• Variable to Table Row (< 1 %) Deprecated
• Database Reader (legacy) (< 1 %) 
• File Reader (< 1 %) Streamable
• Table Creator (< 1 %) 
• Java Snippet (< 1 %) Streamable
• Chunk Loop Start (< 1 %) 
• Group Loop Start (< 1 %) 
• Scorer (< 1 %) Deprecated
• Case Converter (< 1 %) Streamable
• Cell Splitter (< 1 %) Deprecated
• Column Combiner (< 1 %) Streamable
• Column Aggregator (< 1 %) Streamable
• Column Filter (< 1 %) Streamable
• Row Splitter (< 1 %) Streamable
• GroupBy (< 1 %) 
• Partitioning (< 1 %) 
• Column Rename (< 1 %) Streamable
• RowID (< 1 %) Streamable
• Row Sampling (< 1 %) 
• Value Counter (< 1 %) 
• XLS Reader (< 1 %) Deprecated
• Term Co-Occurrence Counter (< 1 %) 
• TF (< 1 %) 
• Topic Extractor (Parallel LDA) (< 1 %) 
• Category To Class (< 1 %) 
• Keygraph Keyword Extractor (< 1 %) 
• Tika Parser URL Input (< 1 %) Streamable
• Dictionary Filter (< 1 %) Streamable
• Dictionary Replacer (File-based) (< 1 %) Streamable
• Dictionary Replacer (< 1 %) Streamable
• Number Filter (< 1 %) Streamable
• Porter Stemmer (< 1 %) Streamable
• RegEx Filter (< 1 %) Streamable
• Stanford Lemmatizer (< 1 %) Streamable
• Tag Filter (< 1 %) Streamable
• Tag Stripper (< 1 %) Streamable
• PDF Parser (< 1 %) 
• Tika Parser (< 1 %) Streamable
• Word Parser (< 1 %) 
• Wildcard Tagger (< 1 %) Streamable
• POS tagger (< 1 %) StreamableDeprecated
• Stanford Tagger (< 1 %) Streamable
• StanfordNLP NE tagger (< 1 %) StreamableDeprecated
• Document Data Extractor (< 1 %) Deprecated
• Document Data Extractor (< 1 %) 
• Document Vector (< 1 %) 
• Sentence Extractor (< 1 %) 
• String To Term (< 1 %) 
• Tags To String (< 1 %) 
• Term To String (< 1 %) 
• Integer Input (< 1 %) 
• Show all 69 recommendations

Best Friends (Outgoing)

• Row Filter (3 %) Streamable
• String To Term (3 %) 
• Sorter (3 %) 
• Tag Cloud (3 %) 
• Reference Row Filter (2 %) 
• GroupBy (2 %) 
• Joiner (2 %) 
• Term Co-Occurrence Counter (2 %) 
• TF (2 %) 
• N Chars Filter (2 %) Streamable
• Dictionary Tagger (2 %) Streamable
• Bag Of Words Creator (2 %) 
• Concatenate (1 %) Streamable
• Cell Splitter (1 %) Deprecated
• Column Filter (1 %) Streamable
• Interactive Table (local) (1 %) 
• Math Formula (1 %) Streamable
• IDF (1 %) 
• NGram Creator (1 %) 
• Punctuation Erasure (1 %) Streamable
• Strings To Document (1 %) Streamable
• Term Vector (1 %) 
• N-Gram Extractor (1 %) Streamable
• Concatenate (Optional in) (1 %) StreamableDeprecated
• Linear Correlation (1 %) Deprecated
• Rule-based Row Filter (1 %) Streamable
• XLS Sheet Appender (1 %) Deprecated
• Bag of Words Creator (1 %) Deprecated
• Document Data Extractor (1 %) Deprecated
• Data to Report (< 1 %) 
• CSV Writer (< 1 %) Streamable
• Table Writer (< 1 %) 
• Counting Loop Start (< 1 %) 
• Case Converter (< 1 %) Streamable
• Cell Replacer (< 1 %) Streamable
• Column Comparator (< 1 %) Streamable
• Constant Value Column (< 1 %) Streamable
• Partitioning (< 1 %) 
• Column Rename (< 1 %) Streamable
• Rule Engine (< 1 %) Streamable
• Color Manager (< 1 %) 
• Similarity Search (< 1 %) 
• Excel Writer (XLS) (< 1 %) Deprecated
• DF (< 1 %) 
• Frequency Filter (< 1 %) 
• Chi-Square Keyword Extractor (< 1 %) 
• Keygraph Keyword Extractor (< 1 %) 
• Dictionary Filter (< 1 %) Streamable
• Document Data Extractor (< 1 %) 
• Document Vector (< 1 %) 
• Sentence Extractor (< 1 %) 
• Term To String (< 1 %) 
• Document Viewer (< 1 %) 
• Network Viewer (< 1 %) 
• String Similarity (< 1 %) 
• GET Resource (< 1 %) 
• Java Snippet (< 1 %) Streamable
• Loop End (< 1 %) 
• Variable Condition Loop End (< 1 %) 
• Naive Bayes Learner (< 1 %) Deprecated
• Cluster Assigner (< 1 %) Streamable
• k-Means (< 1 %) 
• DBSCAN (< 1 %) 
• PCA (< 1 %) Deprecated
• Reference Column Filter (< 1 %) Streamable
• Row Splitter (< 1 %) Streamable
• Normalizer (< 1 %) 
• Rank (< 1 %) 
• Regex Split (< 1 %) Streamable
• Column Splitter (< 1 %) Streamable
• Value Counter (< 1 %) 
• Rule Engine (Dictionary) (< 1 %) Streamable
• Crosstab (local) (< 1 %) 
• Parallel Chunk End (< 1 %) 
• Numeric Distances (< 1 %) 
• String Distances (< 1 %) 
• XLS Writer (< 1 %) Deprecated
• Excel Sheet Appender (XLS) (< 1 %) Deprecated
• Word Vector Learner (< 1 %) Deprecated
• Topic Extractor (Parallel LDA) (< 1 %) 
• Category To Class (< 1 %) 
• String Matcher (< 1 %) 
• Porter Stemmer (< 1 %) Streamable
• Replacer (< 1 %) Streamable
• Snowball Stemmer (< 1 %) Streamable
• Stop Word Filter (< 1 %) StreamableDeprecated
• Dictionary tagger (< 1 %) StreamableDeprecated
• POS tagger (< 1 %) StreamableDeprecated
• Document vector (< 1 %) Deprecated
• Document vector hashing (< 1 %) StreamableDeprecated
• Strings To Document (< 1 %) StreamableDeprecated
• Tags To String (< 1 %) 
• Document Viewer (< 1 %) Deprecated
• Column Filter (< 1 %) 
• Hierarchy Extractor (< 1 %) 
• Object Inserter (< 1 %) 
• Show all 96 recommendations

Workflows

• 01_​Guided_​Labeling_​for_​Document_​Classification (KNIME Hub) 
• 07_​Sentiment_​Classification_​with_​NGrams (KNIME Hub) 
• PhD_​Articles (Seen Another Way) 
• TroveKleaner (Seen Another Way) 
• TroveKleaner (KNIME Hub) 

Installation

To use this node in KNIME, install KNIME Textprocessing from the following update site:

A zipped version of the software site can be downloaded here. Read our FAQs to get instructions about how to install nodes from a zipped update site.

Developers

You want to see the source code for this node? Click the following button and we’ll use our super-powers to find it for you.