栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

jeba分词

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

jeba分词

1. 模型预测 1.1 jieba分词预处理

去除文本中的特殊符号、停用词等,对文本进行分词。

lda_jieba_preprocess.py

# -*- coding: UTF-8 -*-
import re
import jieba
import jieba.analyse

def cut_seg(input_file_name, output_file_name, stop_word_list):
    stop_words = set(stop_word_list)
    with open(input_file_name, 'r') as fin, open(output_file_name, 'w') as fout:
        for line in fin:
            item_list = line.strip().split("t")
            if len(item_list) != 2:
                continue 
            text = item_list[1]
            # 过滤掉"[ 龇牙 ]、[ 握手 ]"之类的表情符号,第一个[表示转移
            text = re.sub('[[0-9a-zA-Zu4e00-u9fa5.,,。?“”]+]', '', text)
            # text = re.sub(u'[^0-9a-zA-Zu4e00-u9fa5.,,。?“”]+', ' ', text)
            temp_list = jieba.cut(text, cut_all=True)
            content = ' 
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/272585.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号