自然语言处理时，通常的文本清理流程是什么？

自然语言处理文本清理流程，主要分为二步： 1.文本预处理，我们的文本基本都是网络文本，主要是网页html的形式，网页中存在很多不必要的信息，比如说一些广告、导航栏，html、JS代码，注释等等，无用的价值信息，可以合理的清理掉，如果需要正文提取，可以利用标签用途、标签密度判定、数据挖掘思想、视觉网页块分析技术等等策略抽取出正文。 2.文本流的语言学处理，主要分为3小步： 1.分词经过文本预处理，我

>>阅读原文<<