NLP中文短文本处理记录（一）

数据清洗

写代码前要想好数据该用什么格式输出，最好在纸上画出来，然后想如何能实现

更新

read_csv()读取含中文的csv文件时，encoding='utf-8'或'gb18030'，
会遇到有的行无法读出，增加参数error_bad_lines=False

处理不规范的json文件

import json
mess=[]
with open('谣言.json','r',encoding='utf-8')as f:
  lines=f.readlines()
  i=0
  for line in lines:
    print(line)
    data=json.loads(line)
    mess.append(data)
    #i+=1
    #if i>200:
      #break
print(mess)

莫凡Python

---

NLP短文本处理

强烈推荐KDnuggets系列数据分析、NLP、机器学习文章

系列NLTK文章，没看

(第一天参考文章)[https://blog.csdn.net/eastmount/article/details/50473675]

推荐How to solve 90% of NLP problems: a step-by-step guide