数据可视化第六章

1

• 文本数据可视化

 6.1文本数据在大数据中的应用及提取

   6.1.1文本在大数据的应用

标签云技术是深受用户喜爱的展示关键词的重要技术之一，它可有效地从数量巨大、数据类型多样、价值密度低的大量数据中快速提取有用信息。

一般把文本的理解分成三级：词汇级、语法级和语义级

文本数据类别一般包括单文本、文档集合和时序文本数据三大类。

6.1.2使用网络爬虫提取文本数据

网络爬虫，也称网络蜘蛛。网络爬虫就是根据网页的地址(url)来寻找网页的。

python爬虫架构主要有调度器、URL管理器、网页下载器、网页解析器、数据库。

6.2文本信息分析

 6.2.1 向量空间模型

1、词袋模型

2、TF-IDF

  6.22 主题抽取

文本主题的抽取算法大致可分为两类：基于贝叶斯的概率模型和基于矩阵分解的非概率模型

6.3文本数据可视化

6.3.1 文本内容可视化

 1.关键词