python LDA主题模型

准备数据

使用路透社新闻数据的一个子集:R8,包含8类新闻。
本文直接读取清洗后的R8,清洗内容包含:去掉特殊字符,标点符号,停用词和低频词,且英文文本不需要分词。

doc_list = []
f = open('R8.clean.txt', 'r')
lines = f.readlines()
for line in lines:
    doc_list.append(line.strip())
f.close()

print(doc_list[0])
champion products approves stock split champion products inc said board directors approved two one stock split common shares shareholders record april company also said board voted recommend shareholders annual meeting april increase authorized c
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值