【文件属性】：
文件名称：Word2Vec-LDA:使用Word2Vec和LDA和Humır数据集进行文本分析（正负）的示例
文件大小：254KB
文件格式：ZIP
更新时间：2021-04-27 13:21:57
Python
Word2Vec和LDA
使用Word2Vec和LDA和Humır数据集进行文本分析（正负）的示例
通常，我们将经历4个主要步骤（我将按照自己的步骤添加这些步骤）；
功能控制
特征创建
模型训练
选型
1）功能控制
我们快速探索将要使用的数据集的阶段；
读取数据
提供列名
以5个内容为例
学习行数和列数
学习有关数据集的一般信息（信息，描述）
一些列的内容中有多少个不同的值
分离我们不会在数据集中使用的数据
将数据集分离为训练和测试
在数据集的测试部分中学习信息
在数据集训练部分中学习信息
可视化正面和负面评论的数量
可视化注释中使用的单词的数字分布
评论和包含250个以上单词的评论中使用的最大，最小，平均单词数
浏览带有1、2、3个字的评论
2）特征创建
自然语言处理中通常的方法是先清除文本。 当两个不同的词表达相似的事物时，我们必须确保我们的模型理解相似性。 我
【文件预览】：
Word2Vec-LDA-master
----.gitignore(1KB)
----Humır_Ozellik_Denetimi.py(5KB)
----Ozellik Denetimi()
--------figure2.PNG(31KB)
--------train_kelime(9).PNG(18KB)
--------train_info2(7).PNG(14KB)
--------df_info_desciribe(3).PNG(13KB)
--------train_kelime(8).PNG(9KB)
--------df_shape(2).PNG(921B)
--------train_info(6).PNG(8KB)
--------figure1.PNG(19KB)
--------df_head(1).PNG(5KB)
--------df_unique(4).PNG(6KB)
--------test_info(5).PNG(8KB)
--------figure3.PNG(35KB)
----README.md(4KB)
----Ozellik Olusturma()
--------figure2.PNG(55KB)
--------figure1.PNG(47KB)
--------figure3.PNG(56KB)
----Humır_Ozellik_Olusturma.py(7KB)