知识卡片

普通读书笔记卡 · 6228.c

文件组织方式限定语料边界

理解等级:中级

邮件目录中按人和收件/发件等文件夹存放单封消息,选取哪些路径会改变分析覆盖。只取inbox得到收件箱子集,不等于某人全部通信或整库;同一消息可能在多个位置留副本,后续按记录计数前还需明确去重与身份口径。目录结构本身不是业务关系图。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 4 处

    • · 查看原书依据

      根据人或文件夹对一系列邮箱进行组织的文件夹集合。数据的规范化和清洗是一个常规步骤,本章将提供一些思路和做法。 如果你好好的利用本书中的虚拟机知识,本章的IPython Notebook提供了将数据下载到合适位置的脚本,来让你顺顺利利地学习这些示例。完整的Enron语料的压缩版本大约有450MB,你可以下载它来跟随这些练习学习。如果你的网速正常而且电脑较新,那

    • · 查看原书依据

      != 'inbox': continue # Process each message in 'inbox' for file_name in file_names: file_path = os.path.join(root, file_name) message_text = open(file_path).read() # Compute fields

    • · 查看原书依据

      inbox)文件夹中是这样的[2]。(记住我们只选择加载Enron语料库里收件箱文件夹中的部分数据。加载更多的数据,比如发送项(sent items)的邮件,给读者留作练习以便深入探索)。下面两条是留给那些想对Kenneth Lay的邮件数据进行深入分析的读者的: ·大公司的总经理都拥有助手来进行多方面的沟通。Kenneth Lay的助手是Rosalee F

    • · 查看原书依据

      选择一些邮件,点选“File”(文件)菜单中的“Save As”(另存为),然后选择“Raw Message Source”(原始信息源)作为格式选择,来将邮件导出为mbox文件(参见图6-2)。在网上搜索一下,就能找到大多数主流客户端是如何操作的了。 图6-2:大多数邮件客户端提供导出你的邮件数据到mbox文件的选项 如果你只使用在线邮件客户端,你可以选择

    参考来源

    - 位置:《社交网站的数据挖掘与分析(原书第2版)》第6章《6.2.2 获得Enron数据》(spine102;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/part0091.html;u090-ch06-007)。 - 结论依据:原文在“根据人或文件夹”附近的定义、例子或代码支撑本卡核心说明:邮件目录中按人和收件/发件等文件夹存放单封消息,选取哪些路径会改变分析覆盖。边界按已读前提解释;示例未执行。 - 原始内容:根据人或文件夹对一系列邮箱进行组织的文件夹集合。数据的规范化和清洗是一个常规步骤,本章将提供一些思路和做法。 如果你好好的利用本书中的虚拟机知识,本章的IPython Notebook提供了将数据下载到合适位置的脚本,来让你顺顺利利地学习这些示例。完整的Enron语料的压缩版本大约有450MB,你可以下载它来跟随这些练习学习。如果你的网速正常而且电脑较新,那 - 位置:《社交网站的数据挖掘与分析(原书第2版)》第6章《6.2.3 将邮件语料转换为Unix邮箱》(spine102;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/part0091.html;u091-ch06-007)。 - 结论依据:转换明确跳过其他文件夹,因此后续查询结果只是所选inbox消息,不是完整Enron。 - 原始内容:!= 'inbox': continue # Process each message in 'inbox' for file_name in file_names: file_path = os.path.join(root, file_name) message_text = open(file_path).read() # Compute fields - 位置:《社交网站的数据挖掘与分析(原书第2版)》第6章《6.3.2 发件人/收件人通信的分析模式》(spine103;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/part0092.html;u097-ch06-007)。 - 结论依据:发得少收得多可能由仅加载inbox、缺发送项、代理沟通或缺记录造成,不能只凭计数推断个人行为。 - 原始内容:inbox)文件夹中是这样的[2]。(记住我们只选择加载Enron语料库里收件箱文件夹中的部分数据。加载更多的数据,比如发送项(sent items)的邮件,给读者留作练习以便深入探索)。下面两条是留给那些想对Kenneth Lay的邮件数据进行深入分析的读者的: ·大公司的总经理都拥有助手来进行多方面的沟通。Kenneth Lay的助手是Rosalee F - 位置:《社交网站的数据挖掘与分析(原书第2版)》第6章《6.5 分析你自己的邮件数据》(spine105;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/part0094.html;u101-ch06-007)。 - 结论依据:导出所选邮件与导出整个账号不同,本轮只读示例未获取用户邮箱。 - 原始内容:选择一些邮件,点选“File”(文件)菜单中的“Save As”(另存为),然后选择“Raw Message Source”(原始信息源)作为格式选择,来将邮件导出为mbox文件(参见图6-2)。在网上搜索一下,就能找到大多数主流客户端是如何操作的了。 图6-2:大多数邮件客户端提供导出你的邮件数据到mbox文件的选项 如果你只使用在线邮件客户端,你可以选择