NLTK查看

最新推荐文章于 2024-09-28 12:14:16 发布

hjx5200

最新推荐文章于 2024-09-28 12:14:16 发布

阅读量2.4k

点赞数

本文链接：https://blog.csdn.net/hjx5200/article/details/50921703

版权

nltk.sent_tokenize(text) #对文本按照句子进行分割

nltk.word_tokenize(sent) #对句子进行分词，当输入的是包含多个句子的文档时，返回列表，每个列表包含对应句子的分词结果。

for word in word_tokenize(document):
            texts_tokenized_tmp += jieba.analyse.extract_tags(word,10)
        texts_tokenized.append(texts_tokenized_tmp)

document包含很多个句子，那么word_tokenize(document)返回一个列表，表示每个句子为单位的分词结果。所以for循环时，变量word其实是很多个词。jieba.analyse.extract_tags(word, 10)是从word中根据TF-IDF顺序选取10个得分最高的，目的是过滤低词频单词。