原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
PAGE1
PAGE1
文本挖掘：深度学习与自然语言理解技术教程
1文本挖掘基础
1.1文本数据预处理
文本数据预处理是文本挖掘的第一步，它包括多个子步骤，旨在清洗和标准化原始文本数据，以便后续的分析和建模。以下是一些常见的预处理步骤：
1.1.1文本清洗
去除HTML标签：在从网页抓取文本时，通常会包含HTML标签，需要使用正则表达式或HTML解析库去除。
去除标点符号和数字：标点符号和数字通常不包含语义信息，可以去除。
去除停用词：停用词是指在信息检索中通常被过滤掉的词，如“的”、“是”、“在”等。
1.1.2分词
使用分词工具：中文文本需要使用分词工具，如jieb
文档评论（0）