JavaShuo
经典的文本数据预处理流程(转)
时间 2021-07-12
标签
英文
文本
预处理
首先对文本进行分词,因为可以直接用NLTK的分词器,中文的可以用结巴分词
在英文中,往往还需要对单词进行词干提取和词形归一化。在词形归一的过程中如果结合POS Tag可以更好的进行词形归一。
去除停用词,得到最终的词列表
本文转自:
http://www.javashuo.com/article/p-qcajvcgz-vs.html