벡터 데이터 사전 처리 참조
사전 처리
def parse_data(path):
df = pd.read_csv(path, encoding='utf-8')
data_x = df.Question.str.cat(df.Dialogue)
data_y = []
if 'Report' in df.columns:
data_y = df.Report
return data_x, data_y
def save_data(data_1, data_2, data_3, data_path_1, data_path_2, data_path_3, stop_words_path=''):
#
stopwords = read_stopwords(stop_words_path)
with open(data_path_1, 'w', encoding='utf-8') as f1:
count = 0
for line in data_1:
# print(line)
if isinstance(line, str):
#
seg_list = segment(line.strip(), cut_type='word')
# seg_words = []
# for j in seg_list:
# if j in stopwords:
# continue
# seg_words.append(j)
seg_line = ' '.join(seg_list)
f1.write('%s' % seg_line)
count += 1
f1.write('
')
with open(data_path_2, 'w', encoding='utf-8') as f2:
for line in data_2:
if isinstance(line, str):
seg_list = segment(line.strip(), cut_type='word')
# seg_words = []
# for j in seg_list:
# if j in stopwords:
# continue
# seg_words.append(j)
seg_line = ' '.join(seg_list)
f2.write('%s' % seg_line)
f2.write('
')
with open(data_path_3, 'w', encoding='utf-8') as f3:
for line in data_3:
if isinstance(line, str):
seg_list = segment(line.strip(), cut_type='word')
seg_line = ' '.join(seg_list)
f3.write('%s' % seg_line)
f3.write('
')
if __name__ == '__main__':
train_list_src, train_list_trg = parse_data(config.train_path)
test_list_src, _ = parse_data(config.test_path)
save_data(train_list_src,
train_list_trg,
test_list_src,
config.train_seg_path_x,
config.train_seg_path_y,
config.test_seg_path_x,
stop_words_path=config.stop_words_path)
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
형태소 분석은 데스크톱을 구성하는 데 도움이?문자×기계 학습에 흥미를 가져와 개인 범위의 용도를 생각해, 폴더 정리에 사용할 수 있을까 생각해 검토를 시작했습니다. 이번 검토에서는 폴더 구성 & text의 읽기 → mecab × wordcloud를 실시하고 있...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.