2019年9月3日
大数据之路【第十二篇】：数据挖掘--NLP文本相似度
摘要： 一、词频 TF • 假设：如果一个词很重要，应该会在文章中多次出现 • 词频——TF（Term Frequency）：一个词在文章中出现的次数 • 也不是绝对的！出现次数最多的是“的”“是”“在”，这类最常用的词，叫做停用词（stop words）• 停用词对结果毫无帮助，必须过滤掉的词 • 过滤掉 阅读全文
posted @ 2019-09-03 15:56 Simon92 阅读(1057) 评论(0) 推荐(0)