在上一节《Tokenization - NLP（1）》的学习中，我们主要学习了如何将一串字符串分割成单独的字符，并且形成一个词汇集（vocabulary），之后我们将形成的词汇集合转换成计算机可以处理的数字信息，以方便我们做进一步文本分析。这篇博客的主题还是我们如何将文本转成成更有用的成分，让我们能从文本当中提取到更多的信息以便作为特征输入到模型中训练，首先会介绍一下N-grams算法，之后会提到停顿词及英文文本常见的标准化处理手段，如大小写的改变、词干提取等（》的学习中，我们主要学习了如何将一串字符串
阅读背景：
N-grams模型、停顿词（stopwords）和标准化处理 - NLP学习（2）
来源：互联网
分享到：
