一、文本数据预处理
语料清洗：
二、分词
结巴分词
三、TF-IDF计算
1.关键词提取
词频：
（一般用全部次的个数）
逆文档频率：
（分母+1是为了让其永远不等于0）
2.数值矩阵
四、相似度
句子——分词——语料库（词集）——词频——词频向量
1.余弦相似度
五、情感分析
六、主题分析
。。。。。
（一般用全部次的个数）
（分母+1是为了让其永远不等于0）
