原创力文档- 1、本文档共51页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
⾃然语⾔处理类问题
Kaggle竞赛班第四课
七⽉在线加号
@翻滚吧_加号
2017年1⽉
⽬录
1. 讲解NLP的基本思路与技法
2. Kaggle题⽬详解
七⽉在线：Kaggle竞赛班 2
NLTK
/
今天课上的code会基于NLTK
做⼀点更详细的讲解
NLTK是Python上著名的⾃然语⾔处理库
⾃带语料库，词性分类库
⾃带分类，分词，等等功能
强⼤的社区⽀持
还有N 多的简单版wrapper
七⽉在线：Kaggle竞赛班 3
记得安装语料库
import nltk
nltk.download()
七⽉在线：Kaggle竞赛班 4
功能⼀览表
七⽉在线：Kaggle竞赛班 5
NLTK ⾃带语料库
>>> from nltk.corpus import brown
>>> brown.categories()
['adventure', 'belles_lettres', 'editorial',
'fiction', 'government', 'hobbies', 'humor',
'learned', 'lore', 'mystery', 'news', 'religion',
'reviews', 'romance', 'science_fiction']
>>> len(brown.sents())
57340
>>> len(brown.words ())
1161192
七⽉在线：Kaggle竞赛班 6
⽂本处理流程
Hello from the other side
Preprocess
Hello from the other side (Tokenize)
…
A01 B02 ——- B52 C4
Make Features
0.32 0.58 0.72 0.1 0.2 0.5
ML
Labels/Targets
七⽉在线：Kaggle竞赛班 7
Tokenize
把长句⼦拆成有“意义”的⼩部件
七⽉在线：Kaggle竞赛班 8
文档评论（0）