（共24页PPT）体验中文文本挖掘学科课程精品课课件x课件.pptxVIP

基础教育精品课;;文本挖掘是指从大量文本数据中抽取事先未知的、可理解的、最终可用的信息或知识的过程。;计算机如何“理解”文章?;利用一个中文词库，将待分词的内容与词库进行对比，通过图结构和动态规划的方法找到最大概率的词组。;关键词：代表文章的主题内容。;词频率（TermFrequency，TF），衡量一个词在文档中出现的频繁度。;图片来源：;词语;#读取停用词文件，并构建停用词列表

stop_words=[line.strip()forlineinopen(‘._stopwords.txt’,encoding=‘utf-8’).readlines()]

#过滤停用词与长