共性分析（Commonality Analysis）是頂企業中使用一種質量分析和改進方法，它能夠幫助工程師生產步驟生產機台的複雜數據中迅速地鎖定引起質量產品機台、材料及其他關鍵變量，地解決上述問題，包括Intel內眾多科技領袖廣為應用。
本課程一共六學時，側重結合工程實際講解共性分析方法應用。
“合理數據是分析前提”，課程結合實際案例演練常用分析手法（圖形分析計算）之外，強調如何確保數據格式、結構及溯源性方面合理性。
本課程學員統計基礎知識要求，但如果學員瞭解有關統計基本圖形概念，會理解共性分析原理與方法有幫助。
考慮設計中什麼應該是可變。
這種方法關注引起設計原因相反。
共性分體問題領域概念視角關聯，可變性分析與情況實現關聯。
這時主要關注變化概念進行封裝，這時許多設計模式主題。
如何問題領域中找到變化，如何找到領域中點。
找到變化地點，稱為“共性分析”，找出如何變化，稱為“變性分析”。
共性分析尋找一些要素，它們能夠幫助我們理解系列成員之處在哪裏。
可變分析揭示了系列成員之間，可變性只有在給定了共性後有意義。
共性分析尋找是可能隨時間而改變結構，而可變 分析要找到可能變化結構。
可變性分析只在相關聯共性分析定義上下文中才有意義。
架構視角，共性分析架構提供要素，而可變分析促 進他適應實際使用所需。
説，如果變化是問題領域中各個情況，共性定義了問題領域中這些情況聯繫起來概念。
共通概念抽象類表 示。
可變性分析發現變化通過類（從抽象類派生而來具有實現類）實現。
共性分體問題領域概念視角關聯，可變性分析與情況實現關聯。
規約視角處於中間，點變化點這個視角有關。
規約描述了如何一組概念上相似對象溝通，這些對象每一個表現出共有概念變化情況。
規約稱為實現層次上抽象類或接口。
面向對象設計新視野中，我們可以這説：考慮設計中什麼應該是可變。
這種方法關注引起設計原因相反。
它不是考慮什麼會迫使設計發生改變，而是考慮什麼能夠不引起設計前提下改變。
這時主要關注變化概念進行封裝，這時許多設計模式主題。
如何問題領域中找到變化，如何找到領域中點。
找到變化地點，稱為“共性分析”，找出如何變化，稱為“變性分析”。
共性分析尋找一些要素，它們能夠幫助我們理解系列成員之處在哪裏。
可變分析揭示了系列成員之間，可變性只有在給定了共性後有意義。
共性分析尋找是可能隨時間而改變結構，而可變分析要找到可能變化結構。
我們定義x後驗概率先驗概率比值對數yx互信息量（簡稱互信息）。
延伸閱讀…
架構視角，共性分析架構提供要素，而可變分析促進他適應實際使用所需。
説，如果變化是問題領域中各個情況，共性定義了問題領域中這些情況聯繫起來概念。
共通概念抽象類表示。
可變性分析發現變化通過類（從抽象類派生而來具有實現類）實現。
HanLP中詞語提取是基於互信息與信息熵。
想要計算互信息與信息熵要做是 文本分詞進行共性分析。
作者原文中，有幾個問題，於説，這裏出短語提取原理。
文末給出pyhanlp調用代碼。
互信息mi，左熵lr，右熵re,詳細解釋見下文一般而言，信道中總是存在着噪聲和幹擾，信源發出消息x，通過信道後信宿可能收到於幹擾作用引起某種變形y。
信宿收到y後推測信源發出x概率，這一過程可後驗概率p(x|y)來描述。
相應地，信源發出x概率p(x)稱為先驗概率。
我們定義x後驗概率先驗概率比值對數yx互信息量（簡稱互信息）。
延伸閱讀…
熵連鎖規則，有1| H(X,Y) = H(X) + H(Y|X) = H(Y) + H(X|Y)因此，這個差叫做X和Y互信息，記作I(X;Y)。
其中P(x) 為 單詞x出現次數總單詞數比值（數學含義單詞x出現概率）。
而P（x，y）二階短語x->y 出現次數所有二階短語次數。
比如剛剛的説中，假設默認分詞方式將“後驗概率”分為“後驗”，“概率” 兩個語，後驗->概率 這個二階短語一共出現了兩次，假設所有二階短語合共有一百個，p(後驗->概率) = 2 /100 = 1/ 50。
要注意是hanlp作者個文章《基於互信息和左右信息熵短語提取識別》中。
公式表標準定義互信息並不一致，一個p(x,y)，查看源碼發現作者確實是沒有p(x,y)公式進行計算。
不過使用簡化公式計算是沒有問題。
此處可以參考大魚一篇文章熵這個術語表示變量定性量度。
表述如下: 地, 設X 是取個值變量( 或者説X 是個離散事件概率場) , X 取值x 概率P ( x ) , X 熵定義:計算方法是，左熵例，一個串左邊所有可能詞以及詞頻，計算信息熵，然後求和。
比如算法->工程師這個二階短語，其左邊可能有很多接續，比如“事算法工程師”和“成為算法工程師”，接續多了，左熵會。
這個二階語是一個二階短語可能性一些。
但是這裏存在一個問題，賈母默認分詞停用詞效果，可能會“abcd”分成“a，b，c，d”然後去掉“c”這種停用詞，這樣“a，b，d”則可能作為一個三階短語發現。
HanLP中因為只能發現二階短語，所以可能因為去掉“a，b”中一個導致無法發現二階短語這種情況出現，但是這隻存在着理論上可能。
共性 是指 文本中詞語出現情況。
hanlp中如果直接調用共性分析模塊不僅可以獲取詞頻統計，還可以出互信息mi，左熵lr，右熵re。
以下是pyhanlp中使用。
內部採用MutualInformationEntropyPhraseExtractor實現，用户可以直接調用MutualInformationEntropyPhraseExtractor.extractPhrase(text, size)。
該功能實現依賴於共性分析，詳細內容可以查看《基於互信息和左右信息熵短語提取識別》