行業(yè)動(dòng)態(tài)Python進(jìn)行網(wǎng)頁(yè)文本處理

2022-04-30 分類： python

網(wǎng)頁(yè)文本中的中英文處理的區(qū)別在于中文需要額外加入分詞處理過(guò)程。所謂分詞就是將一段文本文字分成一個(gè)個(gè)詞組的過(guò)程。

具體處理流程為:加載jieba分詞包進(jìn)行中文分詞;將分詞后的詞組去掉停用詞及一個(gè)字符的詞后, 輸出訓(xùn)練文本中的常用分詞和熟悉的詞組;在訓(xùn)練文本的數(shù)據(jù)訓(xùn)練及情感詞典的歸檔中將爬取獲得的網(wǎng)頁(yè)數(shù)據(jù)的客觀性文本分詞后放入變量中, 主觀類情感文本放入另一變量中;為自動(dòng)得到網(wǎng)頁(yè)文本中重要的關(guān)鍵詞組, 過(guò)濾掉對(duì)網(wǎng)頁(yè)文本意義貢獻(xiàn)不大的常用詞組, 在chi2模塊的特征選擇下, 采用詞頻-逆文本頻率 (TF-IDF) 概念將分詞詞組變量轉(zhuǎn)換為tf-idf向量形式, 輸出分詞向量矩陣, 為下一階段的網(wǎng)頁(yè)文本情感分析做準(zhǔn)備。

當(dāng)前標(biāo)題：行業(yè)動(dòng)態(tài)Python進(jìn)行網(wǎng)頁(yè)文本處理
分享網(wǎng)址：http://www.kartarina.com/news6/147556.html

網(wǎng)站建設(shè)、網(wǎng)絡(luò)推廣公司-創(chuàng)新互聯(lián)，是專注品牌與效果的網(wǎng)站制作，網(wǎng)絡(luò)營(yíng)銷seo公司；服務(wù)項(xiàng)目有python等

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源：創(chuàng)新互聯(lián)

猜你還喜歡下面的內(nèi)容

新聞動(dòng)態(tài)基于Python的網(wǎng)頁(yè)數(shù)據(jù)人工智能分析 2022-04-26
php 相比 python 的優(yōu)勢(shì) 2021-04-03
Java與Python：你應(yīng)該選擇哪個(gè)？ 2021-03-15
Python Web最流行的三個(gè)基本開(kāi)發(fā)框架 2021-03-02
幾款國(guó)內(nèi)Python云主機(jī)簡(jiǎn)介 2021-03-02
收藏！盤點(diǎn)很實(shí)用的數(shù)據(jù)科學(xué)Python庫(kù) 2021-03-02
golang程序員前景怎么樣？Python、Java、go語(yǔ)言的優(yōu)勢(shì)互比 2021-03-01
Python數(shù)據(jù)可視化的四種簡(jiǎn)易方法 2021-02-27

欧美日韩激情_美女国产一区_国产精品久久久久影院日本_69xxx在线

行業(yè)動(dòng)態(tài)Python進(jìn)行網(wǎng)頁(yè)文本處理