利用Python机器学习框架scikit-learn，我们自己做一个分类模型，对中文评论信息做情感分析。其中还会介绍中文停用词的处理方法。 前些日子，我在微信后台收到了一则读者的留言。 我一下子有些懵——这怎么还带点播了呢？ 但是旋即我醒悟过来，好像是我自己之前挖了个坑。 …

本实验将使用 Python 的 wordcloud 扩展包制作词云，生成图片保存。并介绍如何改进 wordcloud 扩展包使其能显示中文字符，最后介绍如何使用自己喜欢的图片定制词云图片轮廓。

整体介绍jieba基于Python的中文分词工具,安装使用非常方便,直接pip即可,2/3都可以,功能强悍,博主十分推荐github:https://github.com/fxsjy/jieba开源中

第一篇地址：[http://gold.xitu.io/post/577db540128fe100564fc887) 上一篇中我们的小明已经中学毕业了，今天这一篇继续文本相似性的计算。 首先前一篇不能解决的问题是因为我们只是机械的计算了词的向量，并没有任何上下文的关系，所以思想还…

1. 前言 推荐系统分为两种，一种是基于用户的，根据某个用户的特性推荐一些东西，还有一种是根据内容，推荐一些相似的内容，或者是两种的结合，任何推荐系统，仔细分析下来，都属于这两种情况的组合。 今天我们说一下基于内容推荐中的一个分支，也是使用得比较多的内容推荐方式，那就是基于文本…

文本分块是将一大段文本分割成几段小文本，其目的是比如想获取一段文本中的一小部分，或分割得到固定单词数目的小部分等，经常用于非常大的文本。注意文本分块和分词不一样，分词的目的是把一段文本分割成单词，而文本分块的目的是把一大段文本分割成多个小段文本。 1. NLP文本分块 在不用的…

需求 使用监督学习对历史数据训练生成模型，用于预测文本的类别。 样本清洗 主要将重复的数据删除掉，将错误无效的数据纠正或删除，并检查数据的一致性等。比如我认为长度小于少于 13 的数据是无效的遂将之删掉。 def writeFile(text): file_object = ope…

前面我们学习了很多用NLP进行文本的分词，文本分块，创建词袋模型等，这些步骤可以认为是NLP文本处理的基础，此处我们来看NLP的一个非常重要的应用，对文本使用监督学习进行自动分类。 1. 20 Newsgroups数据集介绍 本文要使用NLP中非常经典的一个数据集：20 New…

选自Ahmed BESBES，作者：Ahmed Besbes，机器之心编译。 本文是我之前写过的一篇基于推特数据进行情感分析的文章（https://ahmedbesbes.com/sentiment-analysis-on-twitter-using-word2vec-and-…