1. 训练停词表，文件夹下每个txt文件，按照关键词提取出topK20 ，合并成一个list，用collection方法得到该文件下所有txt关键词top100 的常用词，然后生成keywords_freq.txt（没有词频，相当于等效），再从这个txt文件中找出top300的常用词 作为停词表
2. 用停词表重新找出hubei_legal每个文件的关键词top10
3. 训练xinhua_news停词表，用该停词表找出xinhua每个文件的关键词top10
4. 做一个qiyjben.csv 建立公司名和legal、news的关系
