基於貝葉斯算法文本分析之新聞分類

文本分析中的重要概念 1 停用詞：用來縮小語料 停用詞是指在語料中大量出現，但對分文本的分析沒啥大用的文本。這種詞咱們通常稱爲停用詞。如今有好多停用詞表，網上均可以搜到。 2 TF-idf：用來提取關鍵詞 TF：指的是詞頻。計算方式有不少種咱們通常採用：某個詞在文章中的出現次數/某個詞在語料庫中出現的總數 idf：指的是逆文檔機率。計算方式：log(語料庫的文檔總數/包含某個詞的文檔數+1) =>

>>阅读原文<<