NLP数据预处理

42 篇文章 3 订阅

常见处理

  • 去重
  • 数据增强
  • 噪声数据处理:null,异常信息等
  • 敏感信息过滤:手机,地址,身份证等信息
  • 等等

字符串预处理

1)繁体转简体;
2)去除emoji表情;去除【微笑】类表情;
3) 大写转小写;
4)全角字符转半角字符;
5)去除两端空字符,中间空字符转换,多个空字符转单个空字符;
6)数字转换,主要涉及时间类较多时的任务(-);
7)规则转换:我是小明→  我是某某 ,11-20位数字转 id等
...

数据拆分/数据划分

from sklearn.model_selection import train_test_split
train_data, dev_data = train_test_split(raw_data,random_state=1,test_size = 0.25)

噪声数据处理

置信学习 https://zhuanlan.zhihu.com/p/146557232

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

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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