大数据分析课件08文本数据分析.pptx
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《大数据分析课件08文本数据分析.pptx》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 分析 课件 08 文本
- 资源描述:
-
1、Chapter 8:Text Data Analysis第八章 文本数据分析目 录概述PART1向量化PART2分词PART3关键词提取PART4知识图谱PART5其他文本处理技术简介PART6定义定义以字符串形式存在的数据,对之的处理称为自然语言处理(NLP)概述背景背景文本数据是非结构化数据,数据,统计、多维、空间、时间、网状,这些数据整齐而具有内在逻辑,只需要沿用计算机时代前的思路进行处理即可,但非结构化数据的增长更快、蕴含更多价值自然语言是复杂的系统,英语中有二十万个词汇,许多词汇有多义性,句子的语法种类也非常多,和机器语言的翻译汇编难度完全不一样自然语言是模糊的系统,对一句话的理解要
2、考虑上下文语境,要考虑被缩略掉的成分,还有可能有表面含义下的隐藏含义(讽刺、疑问表请求)自然语言是变化的系统,语言是使用者的表达共识,新的含义和使用方法随着人们的表达不断产生特点一特点一特点二特点二特点三特点三NLP发展趋势:发展趋势:基于语法规则基于统计学模型定义定义文本向量化就是一种映射方法,即用向量来表达文本,以便机器学习算法进行处理。向量化词袋模型词袋模型词袋模型(bag of words)是最早的以词为基本处理单元的文本向量化方法,词袋模型通过先构建一个包含语料库中所有词的词典,然后根据词典完成对每个词的向量化,进而完成文本向量化。用0和1元素指代词典中的某个词。以watch为例,w
3、atch在词典中的位置是4,那么用来表示watch的向量中,第四个位置是1,其余都是0,即:watch=0,0,0,1,0,0,0,0,0,0这种表示方法称为one-hot向量表示。完成对所有词的向量化之后,就可以得出两个文本的向量化结果,每个文本的向量长度都是词典的大小,向量中的每个位置的元素代表词典中该位置的词在文本中出现的次数。缺点缺点首先是维度灾难。由于词典的维度等于语料库中包含的词汇数,假如文本的词汇量很大,维度就会成千上万,这样的数据是难以处理的。从词汇的角度来说,向量化后并没有保存它的语义,也就是相近的单词从其向量表达中是看不出来的。从文本的角度来说,向量化后并没有保存它的语序,
4、也就是从向量表达中看不出单词间的顺序。向量化Word2Vec Word2Vec 模型模型为了解决词袋模型维度大的问题,通过语言模型构建词向量的方式出现了。Word2Vec模型中,主要有Skip-Gram和CBOW两种模型。从直观上理解,Skip-Gram是给定input word来预测上下文。而CBOW是给定上下文,来预测input word。本篇文章仅讲解Skip-Gram模型。这种表示方法称为one-hot向量表示。完成对所有词的向量化之后,就可以得出两个文本的向量化结果,每个文本的向量长度都是词典的大小,向量中的每个位置的元素代表词典中该位置的词在文本中出现的次数。定义定义由于中文的最小
5、组成单元:中文分词字字不总具有独立完整的表意能力,而有明确分隔符的结构句句复杂性高难以复用,需要首先对汉字进行组合,将文本切分为带空格的、由词组成的格式所以中文分词一直是中文自然语言处理的最基本环节最基本环节。随着数据量和算力增长推动深度学习时代来临,直接以字为单元进行的NLP也逐渐出现,但分词工作对于关键概念提取和命名实体识别等任务的完成依然很重要。发展发展分词算法基于词典匹配基于词典匹配核心是构建词典,可以有不同的具体算法,比如逐字读取,寻找其能组合成的最长的词汇,如果读取后没有可以组成的词汇,则回退,切分,如此循环速度快优点优点主要取决于词典质量,泛用性差,无法根据上下文消除歧义缺点缺点
展开阅读全文