本文介绍了在获取文章标题标签后，利用nltk进行分词分类，并在过程中解决Python与MongoDB交互时遇到的问题。针对Text.collocations()方法返回none的情况，通过查看源码和文档找到了解决方案，即利用_text._collocations属性存储结果。同时，为确保标签不重复添加到数据库，应用了特定的数据库操作，如文本索引和updateMany命令。测试结果显示，400多篇文章标题被快速处理并打上了标签。
紧接着之前获取完文章标题标签完之后的操作
使用完nltk分词对文章标题分类之后
延续之前的思路开始实现
过程中遇到的一些问题
获取方法的问题
python方面
如果是采用方法1手写的ngram标签采集方法，那么可以很方便的获取词频以及标签
如果是方法2，Text.collocations()方法返回的是none
源码中可以很清楚的看到其实现用了比方法1更科学的分析方法，但是其并没有返回那个2gram集合出来，而是打印到了控制台上。
mongo方面
要求对文章标题精确检索到含有标签的，不重复的加上标签
解决方法
对于Text.collocations()，在百度获取控制台的输出无果之后，研究了两个英文文档
最低0.47元/天 解锁文章
扫一扫
962
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
