文本挖掘

利用自然语言处理技术的聊天机器人

其中最基础的就是句法语义分析、信息抽取、文本挖掘和机器翻译。自然语言处理这一系列技术推动了机器人的火热，聊天机器人也强盛起来。
轻雨科技·2018-08-08 16:32

Python实现购物评论文本情感分析操作【基于中文文本挖掘库snownlp】

我本科毕业设计做的是文本挖掘，用R语言做的，发现R语言对文本处理特别不友好，没有很多强大的库，特别是针对中文文本的，加上那时候还没有学机器学习算法。
yyxyyx10·2018-08-07 15:04

文本挖掘之特征选择(python 实现)

代码改变世界Posts-36,Articles-0,Comments-35CnblogsDashboardLoginHOMECONTACTGALLERYRSS夜与周公文本挖掘之特征选择(python实现
对java有感觉·2018-08-02 15:05

人工智能NLP自动写文章软件

1.文本挖掘任务类型的划分文本挖掘任务分为四大类：类别到序列、序列到类别、同步（为每个输入位置生成输出）序列到序列、异步序列到序列。同步序列到
小发猫·2018-07-26 22:40

文本挖掘Test

importcodecsimportpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltf=codecs.open("C:\\Users\\DataEngineer\\Desktop\\xx\\十九大政府工作报告.txt",'r','utf8')doc=f.read()f.close()doc导入常用stopwordsstopwords=pd.
在做算法的巨巨·2018-07-24 08:56

2 python 文本特征提取 CountVectorizer, TfidfVectorizer

1.TF-IDF概述TF-IDF（termfrequency–inversedocumentfrequency）是一种用于资讯检索与文本挖掘的常用加权技术。
nxf_rabbit75·2018-07-23 10:00

py简单数据处理--持续更新

矩阵运算Pandas:统计模块Matplotlib:数据可视化StatasModels:统计建模Scikit-Learn:机器学习库Keras:神经网络深度学习TensorFlow:深度学习库Gensim:文本挖掘库
daluzi·2018-07-19 16:12

机器学习当道，还在使用基于词典的文本挖掘方法么，过时啦！

摘要：机器学习时代，基于词典的文本挖掘方法已不那么适用，快用新方法开始你的探索吧！摘要：机器学习时代，基于词典的文本挖掘方法已不那么适用，快用新方法开始你的探索吧！
阿里云云栖社区·2018-07-18 00:00

文本数据分析：文本挖掘还是自然语言处理？

虽然NLP和文本挖掘
Analyst128·2018-07-17 17:44

干货 | 一文总结机器学习类面试问题与思路

二、算法研究类文本挖掘，如领域知识图谱构建、垃圾短信过滤等；推荐
enohtzvqijxo00atz3y8·2018-07-16 07:00

数据挖掘学习（三）——文本挖掘

笔者是一个痴迷于挖掘数据中的价值的学习人，希望在平日的工作学习中，挖掘数据的价值，找寻数据的秘密，笔者认为，数据的价值不仅仅只体现在企业中，个人也可以体会到数据的魅力，用技术力量探索行为密码，让大数据助跑每一个人，欢迎直筒们关注我的公众号，大家一起讨论数据中的那些有趣的事情。我的公众号为：livandata对情感进行分析，对评论数据进行相应的分析。可以用结巴进行分词，主要是划分各文本之间的关系，进
livan1234·2018-06-29 01:57

NLP论文翻译——《Chinese Event Extraction With Inadequate Data》

*****************************************分割线***********************************************一、概述事件抽取是文本挖掘的一种常见应用
老笨妞·2018-06-23 11:34

（转载）推荐系统与隐语义模型LFM概述

隐语义模型最早在文本挖掘领域被提出，
奋斗的小炎·2018-06-21 18:52

R语言中对文本数据进行主题模型topicmodeling分析

主题建模在文本挖掘中，我们经常收集一些文档集合，例如博客文章或新闻文章，我们希望将其分成自然组，以便我们可以分别理解它们。
LT_Ge·2018-06-19 00:00

Python自然语言处理之分词原理

写在前面入坑自然语言处理，最基本的就是要做文本挖掘，而首先要做的就是文本的预处理。
kaiyuan_sjtu·2018-06-17 10:14

基于隐语义模型的推荐算法的原理

这些技术一开始都是在文本挖掘领域中提出来的，近些年它们也被不断应用到其他领域中，并得到了不错的应用效果。
Output20·2018-06-11 21:18

[笔记]基于R的网络抓取和文本挖掘——XPath

XPath：一种网页查询语言XPath最准确的分类是一种特定域语言，其应用领域相对狭窄——专门用于从标记语言文档（类似于HTML或XML）选取信息的有用工具。参考网站：http://www.r-datacollection.com/materials/ch-4-xpath/fortunes/fortunes.html解析文件>library(XML)>parsed_docprint(parsed_
Cccrush·2018-06-10 10:22

《全唐诗》文本分析

文本预处理对于现代汉语的分词，开源/免费的解决方案或工具很多，开源的解决方案如Jieba、HanLp、StanfordNLP和IKAnalyzer等，“傻瓜式”的免费操作工具的也有新浪微舆情的文本挖掘工具
MU心·2018-05-31 17:08

文本分类方向的一点探索 | 解读自然语言处理技术之文本向量和词向量

概念理解首先我们要达成一个共识，也就是对文本挖掘这个概念的认识
陶瑞同学·2018-05-30 23:12

三种文本特征提取（TF-IDF/Word2Vec/CountVectorizer）及Spark MLlib调用实例（Scala/Java/python)

SparkMLlib提供三种文本特征提取方法，分别为TF-IDF、Word2Vec以及CountVectorizer其各自原理与调用代码整理如下：TF-IDF算法介绍：词频－逆向文件频率（TF-IDF）是一种在文本挖掘中广泛使用的特征向量化方法
kavin_star·2018-05-28 21:28

Python数据挖掘一些常用的库

3.Networkx网络分析库可以构建图形化社交网络4.文本挖掘库：（1）nltk（NaturalLanguageToolkit）：最经典的自然语言工具包，拥有庞大的语料库。
Setsuna_Ogiso·2018-05-17 14:00

用R语言进行文本挖掘和主题建模

欢迎大家前往腾讯云+社区，获取更多腾讯海量技术实践干货哦~我们每天都会遇到各种各样的文本数据，但大部分是非结构化的，并不是全部都是有价值的。据估计，全球约80％的数据是非结构化的。这包括音频，视频和文本数据。在这篇文章中，我们将只讨论文本数据。在系列后面，我们将会谈论到其他非结构化数据。我们阅读的书籍，博客，新闻文章，网页，电子邮件等都是文本数据。所有这些文本都为我们提供了大量的信息，并不断增长。
腾讯云加社区·2018-05-17 00:00

文本处理方法概述

arachis/p/text_dig.html说明：本篇以实践为主，理论部分会尽量给出参考链接摘要：1.分词2.关键词提取3.词的表示形式4.主题模型（LDA/TWE）5.几种常用的NLP工具简介6.文本挖掘
shelley__huang·2018-05-09 15:28

【R】文本挖掘——词云wordcloud2包

转载自：https://www.cnblogs.com/nxld/p/6344233.html?utm_source=itdadao&utm_medium=referralwordcloud2函数说明wordcloud2(data,size=1,minSize=0,gridSize=0,fontFamily=NULL,fontWeight=’normal’,color=’random-dark’,
CocoWu_吴佳莹·2018-05-05 21:48

【R】文本挖掘——词云wordcloud2包

转载自：https://www.cnblogs.com/nxld/p/6344233.html?utm_source=itdadao&utm_medium=referralwordcloud2函数说明wordcloud2(data,size=1,minSize=0,gridSize=0,fontFamily=NULL,fontWeight=’normal’,color=’random-dark’,
CocoWu_吴佳莹·2018-05-05 21:48

Python爬虫及存入txt中文编码错误的解决（一）

最近正在写一篇文本挖掘的论文，但是前期需要大量的文本数据作为挖掘的对象。鉴于需要的文本数量数以千计，所以我决定试着写一个爬虫的程序来进行文本的获取。
WangZeJu·2018-04-21 22:32

用文本挖掘剖析近5万首《全唐诗》，发现了这些有趣的秘密

导读：本文内容从文本（数据）挖掘的角度去“探索”全唐诗，挑战一些不同场景下（现代汉语和古汉语）文本处理和分析的异同点，锤炼分析技能；但更想做的是，结合数据之美和诗歌之雅，用跨界思维去发现一些有趣的东西。近些年来，弘扬中华传统文化的现象级综艺节目不断涌现，如《中国汉字听写大会》、《中国成语大会》、《中国谜语大会》、《中国诗词大会》等，其背后的社会成因，在于人们对中国文化中最精致文字的膜拜心理，虽然浸
大数据v·2018-04-18 00:00

English Text Mining: Preprocessing 英文文本挖掘：文本预处理

EnglishTextMining:Preprocessing文章主干来自下面Reference中的博客，我自己进行了增加整理，感谢所有分享知识的大佬们==1.DataCollectionorAssembly数据收集【Given.】20_newsgroups.数据用的是20_newsgroups语料库，下面是笔者在数据处理过程遇到的一些问题和解决，Python初学者都是泪TT文件读写文件夹下所有文
Galoa·2018-04-08 22:36

NLP伪原创技术要知道的三个概念

一、什么是文本挖掘？文本挖掘是基于文本信息进行知识发现的信息挖掘研究分支。文本挖掘的准备包括三个步骤：文本收集，文本分析和特征修剪。
小发猫·2018-04-08 00:00

干货 | 自然语言处理（5）之英文文本挖掘预处理流程

前言自然语言处理(4)之中文文本挖掘流程详解（小白入门必读）干货|自然语言处理(3)之词频-逆文本词频（TF-IDF）详解干货|自然语言处理(2)之浅谈向量化与Hash-Trick干货|自然语言处理(1
机器学习算法与Python学习·2018-04-06 00:00

TF-IDF模型与LAD模型及其python实现---待修改

模型可运行python程序Demo：TF-IDFTF-IDF（termfrequency–inversedocumentfrequency）是一种用于信息检索（informationretrieval）与文本挖掘
布口袋_天晴了·2018-04-05 21:09

Spark机器学习之特征提取、选择、转换

1、特征提取1.1TF-IDF（termfrequency–inversedocumentfrequency/词频-逆文本/文档频率）词频-逆文本频率（TF-IDF）是在文本挖掘中广泛
meng_shangjy·2018-04-03 09:16

基于NLP的AI伪原创技术有多神奇？

NLP伪原创工具--->小发猫AI+1什么是文本挖掘？文本挖掘是基于文本信息进行知识发现的信息挖掘研究分支。文
小发猫·2018-03-28 18:36

短文本分类小结

背景：文本分类技术汇总：因为公司需求，开始探索文本挖掘技术在通信行业方面的应用，现将过程中常用的技术和原理更新如下。
hongyesuifeng·2018-03-27 11:38

R语言-文本挖掘

---恢复内容开始---案例1:对主席的新年致辞进行分词,绘制出词云掌握jieba分词的用法1.加载包library(devtools)library(tm)library(jiebaR)library(jiebaRD)library(tmcn)library(NLP)library(wordcloud2)2.导入数据newsnewssegword_tmp=worker()segword=segw
月上贺兰·2018-03-26 23:00

用文本挖掘剖析近5万首《全唐诗》

CodingGo技术社区自由的编程学习平台楔子近些年来，弘扬中华传统文化的现象级综艺节目不断涌现，如《中国汉字听写大会》、《中国成语大会》、《中国谜语大会》、《中国诗词大会》等，其背后的社会成因，在于人们对中国文化中最精致文字的膜拜心理，虽然浸淫于层出不穷的网络语汇，时时面临“语言荒漠”的窘境，仍心向往之。上述节目中，笔者最感兴趣的还是《中国诗词大会》---通过对诗词知识的比拼及赏析，带动全民重温
Python中文社区·2018-03-26 00:00

基于scrapy的分布式爬虫抓取新浪微博个人信息和微博内容存入MySQL

为了学习机器学习深度学习和文本挖掘方面的知识，需要获取一定的数据，新浪微博的大量数据可以作为此次研究历程的对象一、环境准备python2.7scrapy框架的部署（可以查看上一篇博客的简要操作，传送门：
Fitz1318·2018-03-13 10:48

不同Graph Embedding表示方法的区别和效果

不同embedding表示方法的区别与效果转载自：https://zhuanlan.zhihu.com/p/262221070)引言在自然语言处理、文本挖掘中，常常使用词向量作为单词（Word）内在含义的表达
_Junwei·2018-03-12 15:08

文本挖掘流程示例

importnumpyasnpimportpandasaspdfromcontextlibimportcontextmanagerfromsklearn.feature_extraction.textimportTfidfVectorizerfromscipy.sparseimporthstackimporttimeimportreimportstringfromscipy.sparseimpor
青盏·2018-03-12 14:56

【入门-R爬虫抓取数据】文本挖掘之数据爬虫

今天主要介绍一下，文本挖掘的数据获取方式，上一篇很多人在问数据如何获取，今天给大家介绍下数据获取的方式，主要利用爬虫抓取数据。
JDquant·2018-03-06 14:35

基于Python爬虫的大众点评商家评论的文本挖掘

使用工具编程语言工具：Python2.7R2.2.1excel浏览器：GoogleChrome数据库：Mongodb相关算法：情感分析情感分析（SentimentAnalysis），又被称为倾向性分析、意见挖掘，是通过对带有一定的情感色彩的主观性文本进行处理分析，归纳推理的过程，例如通过用户对产品的性能、价格、便携性等方面的评价分析用户对该产品的情感倾向。通常来说，文本情感分析的目的是找出说话者在
kkbb8811·2018-02-21 10:52

Python数据挖掘-NLTK文本分析+jieba中文文本挖掘

一、NLTK介绍及安装1.1NLTK安装NLTK的全称是naturallanguagetoolkit，是一套基于python的自然语言处理工具集。nltk的安装十分便捷，只需要pip就可以。相对Python2版本来说，NLTK更支持Python3版本。pipinstallnltk在nltk中集成了语料与模型等的包管理器，通过在python解释器中执行>>>importnltk>>>nltk.dow
Bentley-2012·2018-02-21 00:23

技术干货 | 如何做好文本关键词提取？从三种算法说起

因此，关键词提取在文本挖掘领域是一个很重要的部分作者|韩信官网|www.datayuan.cn微信公众号ID|datayuancn在自然语言处理领域，处理海量的文本文件最关键的是要把用户最关心的问题提取出来
数据猿·2018-02-12 00:00

三种文本特征提取（TF-IDF/Word2Vec/CountVectorizer）

refer=liulingyuanTF-IDF算法介绍：词频－逆向文件频率（TF-IDF）是一种在文本挖掘中广泛使用的特征向量化方法，它可以体现一个文档中词语在语料库中的重要程度。
阿毛33·2018-02-05 22:42

用文本挖掘回顾2017年的一些人与事

一、前言终于做出这张图时，我突然有点感慨，这就是2017年我的日记中提到过或记录过的一个个人名，当然为避免引起不必要的麻烦，隐去了许多亲人朋友的名字。想到一辈子说长也长，说短的话，几十张词云图也就概括了那些人与事。曾经朝夕相处、相识相知的人，或许早已渐行渐远了，二三老友谈起故人往事才发现死活想不起某某同学姓甚名谁，遗忘总是发生在不知不觉间，有时候连自己都不知道究竟忘记了什么。童年、少年、青年时期的
Python中文社区·2018-01-23 00:00

【Python-ML】电影评论数据集文本挖掘 -在线学习

#-*-coding:utf-8-*-'''Createdon2018年1月22日@author:Jason.F@summary:文本挖掘，对电影评论进行内容抽取、特征向量化并训练模型预测，在线学习并持久化模型电影评论数据
fjssharpsword·2018-01-22 16:39

文本主题模型之潜在语义分析（LSA）

转载地址：www.cnblogs.com/pinard/p/6805861.html在文本挖掘中，主题模型是比较特殊的一块，它的思想不同于我们常用的机器学习算法，因此这里我们需要专门来总结文本主题模型的算法
data_evangelists·2018-01-15 12:08

推荐｜5种商业AI产品的技术架构设计！

一、文本挖掘引擎的技术架构：二、智能推荐引擎的技术架构三、垂直搜索引擎技术架构四、数据采集挖掘技术架构五、用户画像技术架构未来智能实
人工智能学家·2018-01-06 00:00

深度学习笔记之自然语言处理（word2vec）

1.1自然语言处理的应用拼写检查，关键词搜索文本挖掘文本分类机器翻译客服系统复杂对话系统1.2语言模型举个例子：这里有一句话：“我今天下午打篮球。”
物理小乾乾·2018-01-05 10:45

文本挖掘与分析课程笔记_Week3

第三周笔记概率主题模型：混合一元语言模型用两个词分布来表示，以此去除背景词（常见但意义不大的词）θd表示主题词分布θB表示背景词分布文本中某个词的概率计算混合两个一元语言模型（解析）利用最大似然求解混合两个一元语言模型时，θd和θB会出现“合作”和“竞争”在θB（背景词）分布中，概率大的词，相对地在θd（主题词）中概率会变小某个词出现的次数越多，那么它在θd中的概率越高假设【所有参数已知】求某个词
DranGoo·2018-01-04 11:11
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他