原书出处
社交网站的数据挖掘与分析(原书第2版)
注意:本章的例子(包括前面的例子)都使用
split方法来分词。然而,分词并不意味着简单地用空格来划分单词,第5章会介绍更复杂的适应于一般情形的分词方法。 解释器会话(interpreter session)的最后一个命令列出了单词的频率分布,以按频率进行排序。毫不惊奇,像the、to和of这些停用词是最常出现的词,但是频率分布会急速下降并有一个长长的拖尾。尽管我们现在是对一个小的文本样例进行处理,
但是此特点适用于任何自然语言的频率分析。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0076.html
EPUB SHA-256:06582ecdf071724c9e218bc2698d2fff4e82a992d672b287e4c2e6092c924bcf