原书出处
社交网站的数据挖掘与分析(原书第2版)
了停用词的其他算法的效力。例如,专门谈论
棒球的博客可能会经常使用“棒球”这个词,应该考虑将它加入一个停用词列表中,即使它不是通用的停用词。(作为旁注,对某个数据源,把TF-IDF合并到计分函数中作为说明这个领域中常用词用法的方法会很有趣。) 假设已经尝试消除了停用词,算法的下一步是选择合适的N值,选择前N个词作为分析的基础。这个算法潜在的假设是这前N个词能充分的描述文档的特性,对于文档中的任何两个
句子来说,包含更多这些单词的句子会被认为
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/part0083.html
EPUB SHA-256:06582ecdf071724c9e218bc2698d2fff4e82a992d672b287e4c2e6092c924bcf