文本挖掘的处理过程

Question

如题所述

Answer 1

【答案】：一：数据收集：在文本挖掘之前，我们需要得到文本数据，文本数据的获取方法一般有两种：使用别人做好的语料库和自己用爬虫去在网上去爬自己的语料数据。二：除去数据中非文本部分：这一步主要是针对我们用爬虫收集的语料数据，由于爬下来的内容中有很多html的一些标签，需要去掉。三：处理中文编码问题。四：中文分词。五：引入停用词：“着”，“和”，还有一些标点符号，这些我们不想在文本分析的时候引入，因此需要去掉，这些词就是停用词。六：特征处理。