自然語言處理時，通常的文本清理流程是什麼？

　　自然語言處理文本清理流程，主要分爲二步： 　　1.文本預處理，我們的文本基本都是網絡文本，主要是網頁html的形式，網頁中存在很多不必要的信息，比如說一些廣告、導航欄，html、JS代碼，註釋等等，無用的價值信息，可以合理的清理掉，如果需要正文提取，可以利用標籤用途、標籤密度判定、數據挖掘思想、視覺網頁塊分析技術等等策略抽取出正文。 　　2.文本流的語言學處理，主要分爲3小步： 　　1.分詞經

>>阅读原文<<