摘要： 一、文本数据预处理 语料清洗： 停用词 评论高，但不需要（如评论数据中赞、顶） 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 阅读全文