← 返回卡片

原书出处

数据科学与大数据分析 数据的发现 分析 可视化与表示

09 第9章 高级分析理论与方法:文本分析

第1版 · 核验版本的摘录快照 · 导入于 2026-11-18T18:41:59.831Z

Unknown 9.4 表示文本 在先前的步骤之后,现在团队有了一些原始文本。

在数据表示阶段,首先使用文本规范化技术(比如断词和大小写转换[case folding])对原始文本进行转化,并用更加结构化的方法来表示,以供分析。

分词(tokenization)是从文本正文中分离(也叫做标记)单词。原始文本在分词后转换为一组标记(token)的集

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0019_split_004.html

EPUB SHA-256:e4a4df0364edbfdf609c07ab4449f2148ede4291cdfba8b2a6ffdc51e7b6c9b7