文本特征提取

英文文本特征提取

方法步骤:

1、导入相关API
from sklearn.feature_extraction.text import CountVectorizer
2、实例化CountVectorizer
text=CountVectorizer()
3、调用fit_transform()方法进行特征提取
results=text.fit_transform(data)  

主要代码:

def text_demo():
    data=["I am going to school","What do you want to do"]
    #实例化CountVectorizer
    text=CountVectorizer()
    #调用fit_transform()方法
    results=text.fit_transform(data)
    print("特征值:\n",text.get_feature_names())
    print("特征值提取结果:\n",results.toarray())       #results.toarray()将稀疏矩阵转换为二维数组的形式

运行结果:

img

中文文本特征提取

中文文本特征提取步骤与英文类似,主要区别在于中文文本特征提取需要进行分词处理,否则就会出现如下结果,将一句话作为一个词处理:

一、 中文分词(使用jieba):

1、导入jieba

import jieba

2、将目标进行分词处理

jieba.cut(text)

3、将分词处理结果转化为列表形式

list(jieba.cut(text))

4、将列表转化为字符串形式

" ".join(list(jieba.cut(text)))

主要代码:

def cut_text(text):
    result=" ".join(list(jieba.cut(text)))
    # print(result)
    return result
二、中文文本特征提取

1、定义一个空数组,并利用该空数组接收中文分词后的结果

data_cut=[]         #定义一个空数组
for i in data:
    data_cut.append(cut_text(i))        #利用空数组接收分词后的结果

2、实例化CountVectorizer

CountVectorizer()

3、调用fit_transform()方法

text.fit_transform(data_cut)

主要代码:

def chinese_text_demo():
    data=["我们也可以将数据存储在文件中","但是在文件中读写数据速度相对较慢","优秀的文件很优秀"]
    data_cut=[]         #定义一个空数组
    for i in data:
        data_cut.append(cut_text(i))        #利用空数组接收分词后的结果
    #实例化CountVectorizer
    text=CountVectorizer()
    #调用fit_transform()方法
    results=text.fit_transform(data_cut)
    print("特征值:\n",text.get_feature_names())
    print("特征值提取结果:\n",results.toarray())

运行结果:
img

  • 10
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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