本周主要对数据集进行了搜集与清洗整理 以下是原本的数据集样子 因为是从网上爬取所以内容零散 清洗转换格式之后 然后通过jieba库的分词处理和matplotlib.pyplot的图形化显示我们可以得到训练集中文本的长度分布如下图: 我们可以看到词的长度主要集中在5左右,因此将数据处理后,将6作为每个句子的长度多的截取,少的补全。 完成数据的清洗接下来需要对改清洗数据进行与处理在配合模型就可以开始训练了,预计在本周取得训练结果