← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 10086 · 生成模型:未记录

语料预处理与词ID

理解等级:中级

语料库是为研究或应用收集的文本数据。简单预处理可将文本统一大小写、切分词语、为每个不同词分配 ID,同时维护词到 ID 与 ID 到词的映射;实际分词规则取决于语言和任务。

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:《深度学习进阶:自然语言处理》第2章《自然语言和单词的分布式表示》(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0007_split_003.html) - 结论依据:原文给出相关定义、方法或示例。 - 原始内容:预处理是指,将文本分割为单词(分词),并将分割后的单词列表转化为单词 ID 列表。