知识卡片
词存在特征会丢掉词序与次数
对每个候选词记录contains(word)布尔值,可把文档映到固定特征字典;同一词重复十次也只是True,not good与good not的词集合还可能相同。词表应来自训练划分,测试参与选词会改变评估设定;大小写处理在建词表和文档匹配中也需一致。简单表示可作基线,不能因某些词有较强比值就认为已理解否定或因果。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第7章 情感分析:我很快乐 7.1 情感分析简介 · 查看原书依据
features['contains(%s)' % word]
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7章 情感分析:我很快乐,spine061单元002;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/text00060.html。
- 结论依据:原文set(doc)与布尔contains定义特征,且all_tokens先取全语料,再切测试;直接推导信息损失与训练数据边界。未在本机运行示例或改变环境。
- 原始内容: in token_features: features['contains(%s)' % word] = (word in doc_words) return features print doc_features(movie_reviews.words('pos/cv