文本挖掘

编辑导语：诗词的创作需要遵循很多的规矩，因此诗歌是有规律的。本文作者运用多种文本挖掘方法，对手头的诗歌语料库进行了深入的挖掘和分析，让我们一起来看看作者是如何完成文本数据的探索任务。楔子：许多年之后，面对书桌上的两句残词，贬居黄州的东坡居士将会回想起，他在故乡眉山见到朱姓老尼的那个遥远的下午。彼时的东坡还不是东坡，还只

笔者以一个旁观者的视角，通过一些语义分析技术去发现近八年（2011~2018）国考行政职业能力测验（以下简称“行测”）考了哪些内容，看能否有一些规律性的发现。据中国新闻网报道，2020年度中央机关及其直属机构公务员招考笔试有超143万人报名，涉及中央和国家机关86个单位、23个直属机构，而计划招录2.4万人，通过资格审

作者：冯大福舆情监测一直是众多品牌关注的地方，尤其品牌想知道在品牌推广，品牌策略，品牌广告中出现的问题，从而能进行策略上的改进，但是现在很多人都是读帖子，笔者在4年前做舆情分析时候就是读帖子，至今没有太多改善，关注舆情监测中的主题挖掘部分，主题挖掘可以使数据分析师，减轻工作量，去掉读帖子等一系列等的复杂工作，大致了解主

前言 在（ 文本挖掘的分词原理 ）中，我们讲到了文本挖掘的预处理的关键一步：“分词”，而在做了分词后，如果我们是做文本分类聚类，则后面关键的特征预处理步骤有向量化或向量化的特例Hash Trick，本文我们就对向量化和特例Hash Trick预处理方法做一个总结。 词袋模型在讲向量化与Ha

对于当下共享单车在互联网界的火热状况，笔者想从大数据文本挖掘的角度来做一番分析，主要是从海量的文本数据中找到有价值的讯息和观察视角，透过文本挖掘了解共享单车相关的热门话题和潜在趋势。2016年底以来，国内共享单车毫无征兆的就火爆了起来，彼时一张手机截屏蹿红网络—在这张截图上，24个共享单车应用的图标霸满了整个手机屏幕，

译者：钱亦欣引言使用一些建模分析手段来评价电影的成功已经屡见不鲜，这类预测模型常常使用注入电影制作成本，类型，主演，出品方等结构化数据作为输入。然而，在社交媒体日益发达的现在，人们时常会在Twitter，Facebook等网站上发表自己的意见和建议。社交媒体已然是衡量电影观众情绪的潜在工具了。本文将以2017年的宝莱坞

「情感极性分析」是对带有感情色彩的主观性文本进行分析、处理、归纳和推理的过程。按照处理文本的类别不同，可分为基于新闻评论的情感分析和基于产品评论的情感分析。其中，前者多用于舆情监控和信息预测，后者可帮助用户了解某一产品在大众心目中的口碑。目前常见的情感极性分析方法主要是两种： 基于情感词典的方法

你希望学习文本挖掘，却发现大多数教程难度跨度很大？或者说你找不到心仪的数据集？本文将会通过 8 个小贴士帮助你走进文本挖掘之门。对文本保持好奇在数据科学世界中，凡事的第一步都是“感到好奇”，文本挖掘也不例外。就像 StackOverflow 的数据科学家 David Robinson 在他的博客中说的那样，“当我看到一

本文作者将以《大秦帝国之崛起》作为分析对象，来详细阐述在大数据时代数据分析会涉及到的全网舆情分析、微博传播分析以及文本挖掘。今年开年，因饰演白起的演员王学兵吸毒而拖延上映的《大秦帝国之崛起》（以下简称为“崛起”），终于在剧迷的千呼万唤中播出。这部根据孙皓晖同名小说改编的电视剧是“大秦帝国”系列的第三部，首部《大秦帝国之

文 | 刘顺祥一、文本挖掘定义文本挖掘指的是从文本数据中获取有价值的信息和知识，它是数据挖掘中的一种方法。文本挖掘中最重要最基本的应用是实现文本的分类和聚类，前者是有监督的挖掘算法，后者是无监督的挖掘算法。二、文本挖掘步骤1)读取数据库或本地外部文本文件2)文本分词2.1)自定义字典2.2)自定义停止词2.3)分词2.