原书出处
社交网站的数据挖掘与分析(原书第2版)
要,这样就能尽可能正确的计算频率。然而,
盲目的将其变为小写也会使问题变的复杂,因为特定单词和词组的使用也是很重要的。 “Mr.Green”和“Web 2.0”是两个值得考虑的例子。对于例子“Mr.Green”保留“Green”会有优势,因为它能够提供线索来说明这个词不是形容词,可能是名词短语中的一部分。我们在第5章(讨论NLP)会再次讨论这个主题,因为用单词包的方法会丢失上下文信息,而用NLP更高
级的词性标注技术会保留上下文信息。 从人
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