gensim

訓練預料的預處理 訓練語料的預處理指的是將文檔中原始的字符文本轉換成Gensim模型所能理解的稀疏向量的過程。 通常，我們要處理的原生語料是一堆文檔的集合，每一篇文檔又是一些原生字符的集合。在交給Gensim的模型訓練之前，我們需要將這些原生字符解析成Gensim能處理的稀疏向量的格式。我們需要先對原始的文本進行分詞、去除停用詞等操作，得到每一篇文檔的特徵列表。content_clean就是若干個

>>阅读原文<<