![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数据分析
文章平均质量分 53
Monster�Siberia
这个作者很懒,什么都没留下…
展开
-
数据分析:作者信息关联
文章目录任务说明一、数据处理步骤二、社交网络分析图类型图统计指标 任务说明 学习主题:作者关联(数据建模任务),对论文作者关系进行建模,统计最常出现的作者关系; 学习内容:构建作者关系图,挖掘作者关系 学习成果:论文作者知识图谱、图关系挖掘 一、数据处理步骤 将作者列表进行处理,并完成统计。具体步骤如下: 将论文第一作者与其他作者(论文非第一作者)构建图; 使用图算法统计图中作者与其他作者的联系; 二、社交网络分析 图是复杂网络研究中的一个重要概念。Graph是用点和线来刻画离散事物集合中的每对事物间原创 2021-01-25 19:24:26 · 252 阅读 · 0 评论 -
数据分析:论文种类分类
文章目录任务说明一、数据处理步骤二、文本分类思路 任务说明 学习主题:论文分类(数据建模任务),利用已有数据建模,对新论文进行类别分类; 学习内容:使用论文标题完成类别分类; 学习成果:学会文本分类的基本方法、TF-IDF等; 一、数据处理步骤 在原始arxiv论文中论文都有对应的类别,而论文类别是作者填写的。在本次任务中我们可以借助论文的标题和摘要完成: 对论文标题和摘要进行处理; 对论文类别进行处理; 构建文本分类模型; 二、文本分类思路 思路1:TF-IDF+机器学习分类器 直接使用TF-IDF对文原创 2021-01-23 01:19:08 · 574 阅读 · 0 评论 -
数据分析:论文代码统计
文章目录任务说明一、数据处理步骤二、正则表达式1.普通字符:大写和小写字母、所有数字、所有标点符号和一些其他符号2.特殊字符:有特殊含义的字符3.限定符 任务说明 任务主题:论文代码统计,统计所有论文出现代码的相关统计; 任务内容:使用正则表达式统计代码连接、页数和图表数据; 任务成果:学习正则表达式统计; 一、数据处理步骤 在原始arxiv数据集中作者经常会在论文的comments或abstract字段中给出具体的代码链接,所以我们需要从这些字段里面找出代码的链接。 确定数据出现的位置; 使用正则表达原创 2021-01-18 20:52:05 · 242 阅读 · 0 评论 -
数据分析学习:论文作者统计
文章目录论文作者统计一、数据处理步骤二、字符串处理三、具体代码实现以及讲解 论文作者统计 任务主题:论文作者统计,统计所有论文作者出现评率Top10的姓名; 任务内容:论文作者的统计、使用 Pandas 读取数据并使用字符串操作; 任务成果:学习 Pandas 的字符串操作; 一、数据处理步骤 在原始arxiv数据集中论文作者authors字段是一个字符串格式,其中每个作者使用逗号进行分隔分,所以我们我们首先需要完成以下步骤: 使用逗号对作者进行切分; 剔除单个作者中非常规的字符; 具体操作可以参考以下例原创 2021-01-16 23:30:12 · 401 阅读 · 0 评论 -
数据分析:论文数据统计
文章目录一、任务说明二、使用步骤1.引入库2.读入数据总结 一、任务说明 示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。 二、使用步骤 1.引入库 代码如下(示例): import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwarnings('ignore') import原创 2021-01-13 20:43:30 · 481 阅读 · 0 评论