NLP中文短文本处理记录(一)

本文记录了NLP短文本处理的过程,包括数据清洗、使用str.maketrans()和str.translate()删除停用词,以及NLP的文本清洗步骤。提到了封装中文分词的第二天学习内容。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

数据清洗

写代码前要想好数据该用什么格式输出,最好在纸上画出来,然后想如何能实现

更新

read_csv()读取含中文的csv文件时,encoding='utf-8'或'gb18030'
会遇到有的行无法读出,增加参数error_bad_lines=False

处理不规范的json文件

import json
mess=[]
with open('谣言.json','r',encoding='utf-8')as f:
  lines=f.readlines()
  i=0
  for line in lines:
    print(line)
    data=json.loads(line)
    mess.append(data)
    #i+=1
    #if i>200:
      #break
print(mess)

莫凡Python


NLP短文本处理

强烈推荐KDnuggets系列数据分析、NLP、机器学习文章

系列NLTK文章,没看

(第一天参考文章)[https://blog.youkuaiyun.com/eastmount/article/details/50473675]

推荐How to solve 90% of NLP problems:

评论
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