← 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

料库代表整个知识库。而非结构化文本的本质决定了被分析的数据可以包含任何主题,很多主题可能在给定的知识库中是缺失的。例如,

如果任务是研究人们对音乐家的态度,一个于50年前构建的传统语料库不会知道U2是一个乐队;因此,U2乐队得到的IC值为零,这意味着它不是一个重要词汇。

一个更好的方式是遍历所有已获得的文档,然后发现它们大多数与音乐相关, 且U2的出现频率相当高,不应该是一个非重要的词。因

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