知识卡片

普通读书笔记卡 · 6644.a.15 · 生成模型:未记录

停用词过滤依赖切分和任务

理解等级:中级

把所选语言的停用词表转set,再过滤词元,可减少某些检索或统计中的常见功能词。但匹配受到大小写、缩略词切分和词表版本影响;not等否定词也可能对情感至关重要,不能无条件删除。fileids给当前安装语料支持的语言,书中14项是旧快照,不应当固定全集;words()不传语言混合词表也不代表适合当前文本。

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

    参考来源

    - 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第1章 字符串操作,spine055单元011;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00054.html。 - 结论依据:原文集合过滤、Don’t保留例及后节词表含not,共同支持匹配条件和语义损失限制。未在本机运行示例或改变环境。 - 原始内容:mport stopwords >>> stops=set(stopwords.words('english')) >>> words=["Don't", 'hesitate','to','ask','questions'] >>> [word for wor