特征提取 --- 中文文本特征抽取

原创于 2019-04-08 09:15:50 发布 · 2k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#jieba库

AI 专栏收录该内容

16 篇文章

订阅专栏

本文介绍了一个使用Python的jieba库进行中文文本分词处理的例子，并演示了如何利用CountVectorizer将分词后的文本转换为数值向量，便于后续的机器学习任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

jieba库

ex_1

import jieba

def cut_word(text):
    text = ' '.join(list(jieba.cut(text)))
    return text
    
def cut_chinese_demo2():
    data = ["每一个公民的合法权利都值得守护",
            "每一个维权诉求都值得珍视。",
            "当且仅当举报渠道畅通无阻、",
            "解决问题马上就办，",
            "才能少一些惊诧眼球的“夸张举报”"]
    data_new = []
    for sen in data:
        data_new.append(cut_word(sen))
    transfer = CountVectorizer()
    data_final = transfer.fit_transform(data_new)
    print("data_new：\n", data_final.toarray())
    print("特征名字：\n", transfer.get_feature_names())