文本挖掘概要
搞什么的？从大量文本数据中，抽取出有价值的知识，并且利用这些知识更好的组织信息的过程。
目的是什么？把文本信息转化为人们可利用的知识。
举例来说，下面的图表利用文本挖掘技术对库克iphoneX 发布会的内容进行分析，得出此次发布会报告中的几个常青词汇、词频的趋势变化情况。
(一)语料库(Corpus)在python中，如何根据以往的文档文件搭建一个语料库？
1.什么是语料库
语料库是我们要分析的所有文档的集合。
在日常工作中我们对文章的管理，先是一篇篇的文章不断的积累，我们存了大量的文章之后，会对文章信息进行一些归类的工作，一般体现于建立不同的文件夹来保存不同类别的文章。
同样的，我们把我们需要分析的文本文件，读取内存变量中，然后在内存变量中使用不同的数据结构，对这些文本文件进行存储，以便进行下一步的分析。
这个内存变量就是语料库
2.语料库构建实操
我们通过一个案例来了解语料库构建的过程。
这里，jacky为了分享，整理了一份iphone8发布后，主流新闻网站评论的语料数据。
我存放iphone 语义文件夹的路
file:///Users/apple/Downloads/Iphone8
如果是windows系统要替换成响应的路径。
1) 如何把语料数据作为语料库导入到内存中
本文由【waitig】发表在等英博客 本文固定链接：Python数据挖掘－文本挖掘 欢迎关注本站官方公众号，每日都有干货分享！
点赞 (0)赏分享 (0)
