bag_words 练习

import jieba
import pandas as pd
from gensim import corpora
import os
from itertools import chain
from collections import Counter
#返回一个总的列表
def get_list(root):
    stopwords=pd.read_csv("C:/stopwords.txt",index_col=False,quoting=3,sep="\t",names=['stopword'], encoding='utf-8')
    # quoting=3全不引用
    stopwords=stopwords['stopword'].values
    paths=[]   
    try:
        dirs=os.listdir(root)
        print(dirs)
        for dirx in dirs:
            paths.append(root+'/'+dirx)
            print(root+'/'+dirx)
    except:
        print('error')
    all_list=[]
    for path in paths:
        df = pd.read_csv(path,encoding='gbk')
        df = df.dropna()#删除缺失数据
        content=df.content.values.tolist()
        sentence=[]
        #分词
        for line in content:
            try:
                segs=jieba.lcut(line)
                segs = list(filter(lambda x:len(x)>1, segs))
                segs = list(filter(lambda x:x not in stopwords, segs))
                sentence.append(segs)
            except:
                print(line)
                continue
        sentence=list(chain.from_iterable(sentence))#转换为一维的列表  
        all_list.append(sentence)
    return all_list

#写入文件,返回词袋模型,格式:词,序号,词频
def write(all_list):
    root="C:/NLP_project/NLP_project/result/"
    corpus = set(list(chain.from_iterable(all_list)))
    print(len(corpus))
    corpus_dict = dict(zip(corpus, range(len(corpus))))
    vector=[]
    i=0 #计数
    for sentence in sentences:
        line=root+str(i)+'.txt'
        f=open(line,'w+')
        vec = []
        for key in corpus_dict.keys():
            if key in sentence:
                f.write(key+','+str(corpus_dict[key])+','+str(sentence.count(key))+'\n')
                vec.append((corpus_dict[key], sentence.count(key)))
            else:
                vec.append((corpus_dict[key], 0))
                f.write(key+','+str(corpus_dict[key])+','+'0'+'\n')
        vec = sorted(vec, key= lambda x: x[0]) #利用第一个元素进行排序
        vector.append(vec)
        f.close
        i=i+1
    return vector

sentences=get_list("C:/NLP_project/NLP_project/train")
vec=write(sentences)

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值