毕设记录-word2vec(skip-gram)实现文本分类

这篇博客记录了使用word2vec的skip-gram模型进行文本分类的过程,包括数据预处理(分词、清除停用词)、抽取类文本和测试数据、TFIDF关键字抽取。通过gensim库训练skip-gram模型,获取文本向量,并利用余弦相似度和K-NN进行分类。
摘要由CSDN通过智能技术生成

文本预处理

1、数据读取

  数据是来自网易新闻文本。文本中有2万4千条新闻样本,一共有六个不同的新闻种类,有:体育、文化、经济、医疗、汽车、军事,直接用python3的pickle.load()该文件即可,是2万4千个文本样本的数据集合,该数据的每一行是一个元组,元组的第一个下标元素代表的是新闻文本数据,另一个代表的是该文本数据的分类。

2、数据处理

2-1分词

  利用jieba对文章分词。

2-2清除停用词

对jieba导入停用词库(可自定义),去除分词文本中的噪音词,包括:字符、无价值词语等。

  • 3
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 5
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
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