智源&计算所-互联网虚假新闻检测挑战赛

赛题的分析(Task 1)
1、任务:给定一个新闻事件的文本,判定该事件属于真实新闻还是虚假新闻。
2、方法:训练一个二分类器,判别新闻是真还是假。
一、数据预处理
a、样本数据观察:
训练集有38471条数据,每条数据有id、text、label三个字段,其中1代表正例 (真),0代表负例(假)
在这里插入图片描述
b、数据清洗:
1、生成训练词向量的数据
2、去掉训练样本里的无意义的噪音,例如:url、@+人名等…

def clearn_data():

    file = pd.read_csv('./train.csv')
    f = pd.DataFrame(file,columns=['text','label']).dropna(subset=['text','label'])
    print(f.head())
    i = 0
    with open('./train_vec.txt','w',encoding='utf-8') as ft,open('./train_data.txt','w',encoding='utf-8') as fl:
        for text,label in zip(f['text'],f['label']):
            if text != '':
                ft.write(' '.join(jieba.lcut(text.strip()))+'\n')  #生成训练词向量的数据
                line = re.sub(u'#.*?#|@[\u4E00-\u9FA5A-Za-z0-9_-]+|(.*?)|\(.*?\)|(https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|
评论 10
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值