机器学习之文本特征抽取

文本特征抽取

需要使用到jieba库

from sklearn.feature_extraction.text import CountVectorizer
import jieba

li = ['想变成天上忽明忽暗的云朵',
      '想吃掉世上最美味的一切',
      '一想到你呀，我这张脸，就泛起微笑',
      '爱你，就像爱生命',
      '当我跨过沉沦的一切，你是我的旗帜']
# 利用jieba库对文本进行分隔
jieba_data = []
for i in li:
    jieba_data.append(' '.join(jieba.lcut(i)))
print(jieba_data)

def countvec():
    # 实例化
    cv = CountVectorizer()
    # 调用fi_transform方法
    data = cv.fit_transform(jieba_data)
    print(cv.get_feature_names())
    print(data.toarray())

if __name__ == '__main__':
    countvec()

’ ‘.jion()方法是将多个字符串拼接成一个以空格连接的字符串的方法，’ '内可添加需要以什么符号连接