目前我已经能够通过segment完成中文分词及绘制词云操作，但想要进一步做文本聚类分析，阅读的相关资料上说要先建立词汇与文档的关系矩阵（DocumentTermMatrix），但不知为何总是提示错误。求大神指点！！
2/02/1543733659_507741.jpg)
R语言中文语料库建立问题
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
分享- 邀请回答
-
0条回答 默认 最新
- 2019-05-12 22:30回答 1 已采纳 实用的方法是使用分词库，它结合了人工添加和修正的词汇。 单单从语言的角度看，可以用后缀数组的方式得到某个字符的前后字的字频，字频高的，就视作词汇。但是这个本身需要大量的语料和人工的调整。
- 2022-12-07 10:42回答 3 已采纳 写了一个模板函数，望采纳 下面为示例代码，需要你提供已经分词的语料库和对应的词性标注。 # 首先，我们需要定义一个函数，它接受一个分词后的语料库和一个词性格式作为参数，并返回满足该格式的所有词组。 d
- 2023-01-18 07:48回答 2 已采纳 首先我们要明白：正向最大匹配是采用从左到右的方式，从句子中抽取一个子串作为一块词；逆向最大匹配是采用从右到左的方式，从句子中抽取一个子串作为一块词；而双向最大匹配是采用正向最大匹配和逆向最大匹配的结合
- 2024-04-02 10:56l~l~long的博客 这章笔记一步步介绍语料库概念与使用，安装NLTK，实现对线上语料库内容的获取与分析，最后实现构建一个斗罗大陆小说的本地语料库。
- 2021-06-26 12:06回答 5 已采纳 没有那样的文件。。检查运行环境中是否存在那样的文件
- 2020-09-19 13:31回答 2 已采纳 import re # 匹配数字年 year_pattern="(\d{1,4}年)" # 匹配月 月比较特殊 可能会出现01月 1月这两种情况 还有10月，12月 month_pat
- 2021-04-14 11:01回答 4 已采纳 import re with open("输出文件.txt","w",encoding="utf-8") as outfile: with open("train.txt","r",enco
- 2023-08-02 00:15禅与计算机程序设计艺术的博客 本文将结合自己的实际经验分享一些关于预训练模型与语料库的心得体会。随着深度学习的火热，基于神经网络的预训练模型越来越多，例如BERT、ALBERT、RoBERTa等。这些预训练模型对各种任务都有着很好的性能提升，但...
- 2022-01-10 08:49
NLP训练模型的时候报错：json.decoder.JSONDecodeError: Expecting value: line 3 column 1 (char 2)
github
深度学习
自然语言处理
回答 2 已采纳 json 的格式需要这种{'key':'data'，‘key1':'data1','key2':123}不知道你的数据文件是什么内容。 - 2022-08-13 11:19回答 3 已采纳 用法不是在你截图里有吗？中间那张图，你看下，写的很清楚，可以在cmd里执行
- 2020-04-08 14:54回答 2 已采纳 ``` str1='卷之一治诸风透冰丹内容：治一切风毒……卷之一治诸风龙脑天麻煎内容：治……' import re txt1=re.findall('(.*?)(.*?)内容',str1)
- 2024-03-11 09:33小墨&晓末的博客 通过网络爬虫技术爬取豆瓣影评上660条《我和我对家乡》热点影评数据，接着利用**结巴分词、自己收集的停用词词典大大提高了中文分词准确性，并基于IF-IDF方法为关键词赋值权重，提高主题分类及情感分类的合理性。
- 2018-11-09 03:50回答 1 已采纳 什么意思，就是给定一些汉字，然后排列组合，看能构成哪些词语？ 如果是，可以帮你写一个，思路是在你所有的汉字里，m选n（包括重复自己）组成2、3、4字，然后和字典比较，匹配的输出。 字典你可以去下载
- 2022-06-26 16:37Triumph19的博客 构建自定义语料库
- 2023-10-23 09:49m0_63076514的博客 ) degree_file = open('../data/程度副词（中文）.txt', 'r+', encoding='utf-8') # 加载程度副词词典 degree_list = degree_file.readlines() degree_dic = defaultdict() for d in degree_list: d = re.sub('\n', ...
- 没有解决我的问题, 去提问
悬赏问题
- ¥15 多电路系统共用电源的串扰问题
- ¥15 slam rangenet++配置
- ¥15 有没有研究水声通信方面的帮我改俩matlab代码
- ¥15 对于相关问题的求解与代码
- ¥15 ubuntu子系统密码忘记
- ¥15 信号傅里叶变换在matlab上遇到的小问题请求帮助
- ¥15 保护模式-系统加载-段寄存器
- ¥15 电脑桌面设定一个区域禁止鼠标操作
- ¥15 求NPF226060磁芯的详细资料
- ¥15 使用R语言marginaleffects包进行边际效应图绘制