（共27页PPT）纪录片播放量预测.pptxVIP

朴素贝叶斯;如何计算预测纪录片播放量？;jieba分词

介绍与安装

分词模式处理

去除停用词

词云处理

文本知识点回顾

纪录片播放量预测

员工状态预测

;何为中文分词？

认识/你/很/高兴

这么做的目的是什么？

目标

方便后续处理，进行特征操作或者词频统计

Python中分分词工具很多，包括盘古分词、Yaha分词、Jieba分词、清华THULAC等。它们的基本用法都大同小异，这里先了解一下结巴分词。

安装

命令窗口输入pipinstalljieba;结巴中文分词支持的三种分词模式包括：

精确模式：试图将句子最精确地切开，适合文本分析；

jieba.cut(text,cut_all=True)text文本，cutall处理模式，默认为False

西方\列强\把\中国\土地\瓜分\了

全模式：把句子中所有的可以成词的词语都扫描出来,速度非常快，但是不能解决歧义问题；

jieba.cut(text,cut_all=False)

jieba.lcut(text)

西方\列强\把\中\国土\地瓜\分了

搜索引擎模式：在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。

jieba.cut_for_search(text);停用词

指在信息检索中某省市存储空间和提高搜索效率，在处理自然语言数据(或文本)之前或之后会自动过滤掉某些字或词，这些字