Python數(shù)據(jù)分析與應用：文本預處理

　　文本預處理一般包括分詞、詞形歸一化、刪除停用詞，下面針對文本預處理的流程進行具體介紹。

　　1.文本分詞

　　文本分詞是預處理過程中必不可少的一個操作，它可以分為兩步：第一步是構造詞典，第二步是分詞算法的操作。其中，詞典的構造比較流行的是雙數(shù)組的trie樹，分詞算法常見的主要有正向最大匹配、雙向最大匹配、語言模型方法、最短路徑算法等。

　　目前文本分詞已經(jīng)有很多比較成熟的算法和工具，在網(wǎng)上可以搜索到很多，本書使用的是NLTK庫和jieba庫，分別用作英文和中文的分詞操作。

　　2.詞形歸一化

　　基于英文語法的要求，文檔中經(jīng)常會使用單詞的不同形態(tài)，比如live、lives(第三人稱單數(shù))、living(現(xiàn)在分詞)，另外，也存在大量意義相近的同源詞，比如able、unable、disability。如果希望只輸入一個詞，就能夠返回它所有的同源詞文檔，那么這樣的搜索是非常有用的。

　　詞形歸一化包括詞干提取和詞形還原，它們的目的都是為了減少曲折變化的形式，將派生詞轉化為基本形式。例如：

　　am，are，is-be

　　cars，car's，car's-car

　　不過，詞干提取和詞形還原所代表的意義不同，前者通常是一個很粗略的去除單詞兩端詞綴的過程，而后者是指利用詞匯表和詞形分析去除曲折的詞綴，以返回詞典中包含的詞的過程。

　　3.刪除停用詞

　　刪除停用詞也是比較重要的，主要是因為并不是文本中的每個單詞或字符都能夠表明文本的特征，比如說“the”“的”“你”“I”“他”等，這些詞應該從文本中清除掉?？梢栽诰W(wǎng)上下載一份中文或英文的停用詞表來作為去停用詞的參考。