DC自然语言处理———文本分类基础

NLP相关基础概念 文档（document）：是指一段单独的文本信息。可能是一则短信、一条推特、一份邮件、一本书、或者一首歌词。一般一个文档对应于一个观测值或一行数据。 词语（token）：例如“今天天气真好”这个文档，是由今天，天气，真好三个单词组成的。token相当于机器学习中的特征（列）。 预料（corpus）：文档的集合（预料大于等于一条文档）。这相当于我们要研究对象的所有文本数据。 （1

>>阅读原文<<