Python数据挖掘－文本挖掘

文本挖掘概要

搞什么的?

从大量文本数据中，抽取出有价值的知识，并且利用这些知识更好的组织信息的过程。

目的是什么?

把文本信息转化为人们可利用的知识。

举例来说，下面的图表利用文本挖掘技术对库克iphoneX 发布会的内容进行分析，得出此次发布会报告中的几个常青词汇、词频的趋势变化情况。

(一)语料库(Corpus)

在python中，如何根据以往的文档文件搭建一个语料库?

1.什么是语料库

语料库是我们要分析的所有文档的集合。

在日常工作中我们对文章的管理，先是一篇篇的文章不断的积累，我们存了大量的文章之后，会对文章信息进行一些归类的工作，一般体现于建立不同的文件夹来保存不同类别的文章。

同样的，我们把我们需要分析的文本文件，读取内存变量中，然后在内存变量中使用不同的数据结构，对这些文本文件进行存储，以便进行下一步的分析。

这个内存变量就是语料库

2.语料库构建实操

我们通过一个案例来了解语料库构建的过程。

这里，jacky为了分享，整理了一份iphone8发布后，主流新闻网站评论的语料数据。

我存放iphone 语义文件夹的路

file:///Users/apple/Downloads/Iphone8

如果是windows系统要替换成响应的路径。

1) 如何把语料数据作为语料库导入到内存中