NLP学习:(三)TF-IDF

TFIDF补充

上一篇文章中已经使用了sklearn的TFIDF
这次补充,数据集用了高校大数据预选赛的数据集

from gensim import corpora
import jieba
import jieba.analyse
import pandas as pd
import numpy as np

text = pd.read_csv("../train.csv",lineterminator='\n')
def word_cut(mytext):
    return " ".join(jieba.cut(mytext)).strip().replace("...","").replace('?',"")
def word_split(content):
    return content.strip().lower().split(' ')
text['split_review'] = text.review.apply(word_split)
dic = text['split_review'].values.tolist()

dictionary = corpora.Dictionary(dic)
corpus = [dictionary.doc2bow(sentence ) for sentence in dic]
  • 0
    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