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
士比亚)全集,包含约88万个单词。相比之下,Google N-Grams语料库包含了来自于可公开访问网页的1万亿个单词。
在Google N-Grams语料库的1万亿个单词中,可能有100万个不同的单词,对应于100万个维度。文本的高维度是一个重要的问题,因为它会直接影响到很多文本分析任务的复杂度。
文本分析的另一个主要挑战是,大多数情况下,文字不是结构化的。第1章中讲到,这可能包括准结构化、半结构化或非结构化的数据
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_000.html
EPUB SHA-256:e4a4df0364edbfdf609c07ab4449f2148ede4291cdfba8b2a6ffdc51e7b6c9b7