怎么给训练集,测试集去除特殊符号,去停用词,提前关键词呢?像训练集分词一样的代码:
X_train_word=[jieba.cut(words ,cut_all=False)for words in X_train]
X_train_cut=[" ".join(word)for word in X_train_word]
X_train_cut[:1]
训练集、测试集里有多个txt文件,没篇TXT文件里有一篇文章
训练集文本分类预处理
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
- 邀请回答
-
3条回答 默认 最新
- CSDN专家-HGJ 2022-04-17 15:53关注
读取文档为字符串,使用re.sub剔除不需要的特殊符号,然后再剔除停用词,参考例子:
import re import jieba data = 'Are these datasets? yes, they are datesets for demonstrating. 怎么给训练集,测试集去除特殊符号,去除停用词,提取关键词呢?像训练集分词一样的代码。' stopwords=['are','for','的','呢'] data = re.sub('[^\u4e00-\u9fa5A-Za-z0-9]+',' ',data) c = jieba.cut(data,cut_all=False) a=list(set([w for w in c if w not in stopwords and w!=' '])) print(a)
本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏 举报
悬赏问题
- ¥15 PointNet++的onnx模型只能使用一次
- ¥20 西南科技大学数字信号处理
- ¥15 有两个非常“自以为是”烦人的问题急期待大家解决!
- ¥30 STM32 INMP441无法读取数据
- ¥15 R语言绘制密度图,一个密度曲线内fill不同颜色如何实现
- ¥100 求汇川机器人IRCB300控制器和示教器同版本升级固件文件升级包
- ¥15 用visualstudio2022创建vue项目后无法启动
- ¥15 x趋于0时tanx-sinx极限可以拆开算吗
- ¥500 把面具戴到人脸上,请大家贡献智慧,别用大模型回答,大模型的答案没啥用
- ¥15 任意一个散点图自己下载其js脚本文件并做成独立的案例页面,不要作在线的,要离线状态。