随笔分类 -  毕设进度

摘要：本周进度 1. 解决中文文本的情感分析问题。 2. 清洗爬取的游记数据： 1. 将爬取的游记中的链接都过滤 2. 将游记中除了正文的部分都删除 3. 将从文章中找到的地点在百度地图中都找到该地点的行政规划 遇到的问题 1. 还是在游记内容的划分方面，对某一景点的描述一般都是很多的，但是往往只在开头出 阅读全文

摘要：本周内容 1. 统一景点名称：尝试在爬取的时候将一些特定的景点进行替换，但是由于景点的名词没有统一的，需要自己定义 困难：需要找需要替换的景点的词库，还有曾用名，暂时还没有找到，还没思路 2. 划分景点内容：目的是将游记根据景点进行划分，将关于每个景点的描述，对应到对应的景点。 尝试的方法： 1. 阅读全文

摘要：这周做了什么 1. 寻找游记分析、信息挖掘的方法。找到了一篇关于游记分析的论文《游记文本中的知识发现与聚合 ———以蚂蜂窝旅行网杭州游记为例 》 吕琳露 李亚婷 从该论文中总结出了初步的游记分析过程 (1)、数据获取：在爬取数据的时候，按照地区进行分类，分别对每个地区的游记进行分析 (2)、数据预处 阅读全文

摘要：第七周毕设进度计划 这周干了什么 计划：将游记文章进行分词，提取文章中的地点，将游记按照景点进行切割，再将各个景点的描述信息进行情感分析，分析满意度 进度：将文章分词，但是文章中有很多地点名词，包括游记提到的，并不是只有都到达过这些地点 遇到的困难 有些景点名词分词的时候分不清楚，需要自己构建词语库 阅读全文

摘要：WebMagic学习 遇到的问题 1. Log4j错误 解决：在src目录下添加配置文件 log4j.properties log4j.rootLogger=INFO, stdout, file log4j.logger.org.quartz=WARN, stdout log4j.appender. 阅读全文