- 1、本文档共9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
1、文本挖掘主要内容
存储信息使用最多的是文本,文本挖掘被认为比数据挖掘具有更高的商
业潜力,当数据挖掘的对象完全由文本这种数据类型组成时,这个过程就称
为文本数据挖掘。
文本分类及情感分析
文本分类指按照预先定义的主题类别,为文档集合中的每个文档确定一
个类别。需要训练集训练分类器,然后应用于测试集。主要有朴素贝叶斯分
类、决策树等。情感分析是近年来国内外的研究热点,是基于计算机整理、
分析相关评价信息,对带有感情色彩的的主观性文本进展分析、处理和归纳。
情感分析包括情感分类、观点抽取、观点问答等。
文本聚类
聚类与分类的不同之处在于,聚类没有预先定义好的一局部文档的类
别,它的目的是将文档集合分成假设干个簇,要求同一簇内文档内容的相似
度尽可能的大,而不同簇之间的相似度尽可能的小。
文本构造分析
其目的是为了更好地理解文本的主题思想,理解文本表达的内容以及采
用的方式,最终结果是建立文本的逻辑构造,即文本构造树,根结点是文本
主题,依次为层次和段落。
1.4Web文本数据挖掘
在Web迅猛开展的同时,不能无视“信息爆炸〞的问题,即信息极大
丰富而知识相对匮乏。据估计,Web已经开展成为拥有3亿个页面的分布
式信息空间,而且这个数字仍以每4-6个月翻1倍的速度增加,在这些大量、
异质的Web信息资源中,蕴含着具有宏大潜在价值的知识。Web文本挖掘
可以构建社交复杂网络、用户标签、网络舆情分析等
2、自然语言处理流程
2.1获取原始文本
文本最重要的来源无疑是网络。我们要把网络中的文本获取形成一个文
本数据库(数据集)。利用一个爬虫抓取到网络中的信息。爬取的策略有广度
和深度爬取;根据用户的需求,爬虫可以有主题爬虫和通用爬虫之分。
2HTML数据
2.1.2RSS订阅源
博客是文本的重要来源,无论是正式的还是非正式的。通过UniversalFeed
Parser第三方库可以访问博客的内容。
2本地文件
对文本进展预处理
.1文本编码格式
1.decodeearly;2.unicodeeverywhere;3.encodelater。详细见Python2.X编
码问题汇总
2.1.2文本形式匹配
Python自带的一些方法就能完成一局部字符检测工作,例如endswith(ly‘’)
可以找到〞ly〞结尾的词。然而,正那么表达式提出了一个更强大、更灵敏的字
符匹配形式。
2.1.3标准化文本
〔1〕通过lower()将文本标准化为小写,即可忽略〞The〞和〞the〞的区别
〔2〕词干提取:nltk提供Porter和Lancaster词干提取器,按照内嵌的规那么剥
离词缀。如下例,Porter能将lying正确地映射为lie,而Lancaster就没处理好。
〔3〕词性归并:注重词性的统一,而不考虑词缀。如下例,将〞women〞转换
为〞woman〞。
〔4〕非标准词的标准:包括数字,缩写,日期等从非标准格式映射为标准格式。
分词
经过上面的步骤,我们会得到比拟干净的素材。但是,文本中起到关键
作用的是一些词,甚至主要词就能起到决定文本取向。
英文分词有nltk提供的tokenize()
中文分词,出现了很多分词的算法,有最大匹配法、最优匹配法、机械
匹配法、逆向匹配法、双向匹配法等。
中科院张华平博士研发的分词工具ICTCLAS,该算法经过众多科学家的
认定是当今中文分词中最好的,并且支持用户自定义词典,参加词典;对新
词,人名,地名等的发现也具有良好的效果。
Jieba分词工具:支持繁体分词;支持自定义词典
支持三种分词形式:1.准确形式,试图将句子最准确地切开,合适文本
分析;2.全形式,把句子中所有的可以成词的词语都扫描出来,速度非常快,
但是不能解决歧义;3.搜索引擎形式,在准确形式的根底上,对长词再次切
分,进步召回率,合适用于搜索引擎分词。
阿里分词工具。
去除停顿词
英文停顿词内嵌在nltk中
中文停顿词比方句号,显然句号对意思的表达没有什么效果。还有是、
“的〞等词。因为这些词在所有的文章中都大量存在,并不能反响出文本的意思,
可以处理掉。当然针对不同的应用还有很多其他词性也是可以去掉的,比方形容
词等。
特征选择
经过上面的步骤,我们根本可以得到有意义的一些词。
您可能关注的文档
- 智能化产品项目策划书.pdf
- 公寓的市场调研报告.pdf
- 金融科技背景下商业银行如何创新发展.pdf
- 森林保护可持续发展论文.pdf
- 发展智能化城市对城市规划的影响分析.pdf
- 人工智能学习研究的现状及其发展趋势.pdf
- 3D打印材料项目财务分析报告.pdf
- 我国物流企业发展趋势与发展措施.pdf
- 大数据应用场景之智慧安监.pdf
- 【帆船摄影入门】 初学摄影入门知识.pdf
- 2024年后半学期学习计划(15篇).pdf
- 2023年部编版七年级语文(下册期中)复习题及答案.pdf
- 2024社区后备干部考试应知应会题库及答案.pdf
- 2022~2023燃气职业技能鉴定考试题库及答案第454期.pdf
- 2022年-2023年上海市叉车司机N1模拟考试题试卷(含答案).pdf
- 2022~2023内科护理(中级)考试题库及答案第789期.pdf
- 2024年广东省深圳市龙岗实验中学中考联考英语试卷含答案.pdf
- 2024年全员安全生产“大学习、 大培训、 大考试”考前练习题及答案.pdf
- 2023年国家公务员考试公共基础知识法律知识题库及答案(共150题).pdf
- 11 区域发展-2023年高考地理二模试题分项汇编(广东专用).pdf
文档评论(0)