开发工具:
文件大小: 2mb
下载次数: 0
上传时间: 2021-03-04
详细说明：顶点：语言分类
卢克·赫林加
数据科学沉浸式遥控器（DSIR-113020）
2021年3月4日
问题陈述
执行摘要
该项目的范围旨在涵盖Web API的使用，自然语言处理（NLP）以及分类模型的比较。 首先，使用Pushshift reddit API从子Reddit r / Coffee和r / tea收集5000个帖子。 清洗后，将剩余的4607个帖子标题和相关的subreddit标签分为一个训练集（数据的75％）和一个测试集（数据的25％）。 然后对多种NLP技术和分类模型进行了测试，以找到最能准确分类尚未发现标题的整体模型设置。
最终选择的模型包含一个CountVectorizer，该CountVectorizer通过计算每个帖子标题中出现的1个和2个单词标记（最少包含2个帖子标题），将其转换为数字数据。 通过WordNet词形化来形成令牌，以标准化词缀并删除不相关的“停用词
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
