知识卡片

问题卡 · 6250.d

实体统计键要保留类型

理解等级:中级

代码把提到名、标签、链接、媒体和股票符号展平成裸字符串后计数。同一文字若出现在不同实体类型中,会落入同一Counter键,无法再解释为某一种实体的热度。可用实体类型和值的组合表示身份;还需区分出现次数与包含它的消息数或用户数,后两者需要在相应范围去重。

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 · 1 处

    • · 查看原书依据

      for entity_type in extract_tweet_entities([status]) for e in entity_type ] c = Counter(tweet_entities).most_common() # Compute frequencies return [ (k,v) for(k,v) in c if v >= enti

    参考来源

    - 位置:《社交网站的数据挖掘与分析(原书第2版)》第9章《9.12.3 讨论》(spine138;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/part0127.html;u185-ch09-019)。 - 结论依据:原文在“for entity_type in extract_tweet_entities([status])”附近的定义、例子或代码支撑本卡核心说明:代码把提到名、标签、链接、媒体和股票符号展平成裸字符串后计数。边界按已读前提解释;示例未执行。 - 原始内容:for entity_type in extract_tweet_entities([status]) for e in entity_type ] c = Counter(tweet_entities).most_common() # Compute frequencies return [ (k,v) for(k,v) in c if v >= enti