2023学年完整公开课版删除停用词_第1页
2023学年完整公开课版删除停用词_第2页
2023学年完整公开课版删除停用词_第3页
2023学年完整公开课版删除停用词_第4页
2023学年完整公开课版删除停用词_第5页
已阅读5页，还剩6页未读， 继续免费阅读

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

删除停用词教师：亢华爱北京信息职业技术学院目录Contents删除停用词概述1PART概述概述指在信息检索中，为节省存储空间和提高搜索效率，在处理自然语言文本之前或之后会自动过滤掉某些没有具体意义的字或词，这些字或词即被称为停用词，比如英文单词“I”“the”或中文中的“啊”等停用词如果直接用包含大量停用词的文本作为分析对象，则还有可能会导致数据分析的结果存在较大偏差，通常在处理过程中会将它们从文本中删除，如图8-4所示概述停用词的存在直接增加了文本的特征难度，提高了文本数据分析过程中的成本图8-4删除停用词示例从图8-4中可以看出，即使从整个语句中删除了停用词，句子整体的意思并没有产生很大的影响。概述停用词都是人工输入、非自动化生成的，生成后的停用词会形成一个停用词表，但是并没有一个明确的停用词表能够适用于所有的工具。对于中文的停用词，可以参考中文停用词库、哈工大停用词表、百度停用词列表，对于其他语言来说，可以参照https://www.ranks.nl/stopwords进行了解。2PART删除停用词删除停用词删除停用词常用的方法有词表匹配法、词频阈值法和权重阈值法NLTK库所采用的就是词表匹配法，它里面有一个标准的停用词列表，在使用之前要确保已经下载了stopwords语料库，并且用import语句导入stopwords模块删除停用词删除停用词常用的方法有词表匹配法、词频阈值法和权重阈值法，NLTK库所采用的就是词表匹配法，它里面有一个标准的停用词列表，在使用之前要确保已经下载了stopwords语料库，并且用import语句导入stopwords模块，示例代码如下。通过比较删除前与删除后的结果可以发现，is、a、and这几个常见的停用词都被删除了。参考文献[1]黑马程序员.Python数据分析与应用:从数据获取到可

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论