文档摘要

1.2 文本预处理与特征工程 本节摘要：文本预处理是把原始脏文本变成模型可用输入的工序，包括清洗、分词（含子词切分 BPE、WordPiece、SentencePiece）、停用词过滤、词干提取与词形还原；特征工程则把文本转成数值向量，分稀疏表示（词袋、TF-IDF、N元组）与稠密表示（词向量）两路。本节从一个被脏数据拖垮的分类器讲起，给出每道工序的取舍标准和踩坑清单。 会员。《1.2 文本预处理与特征工程》收录于灏天文库文集《NLP在智能客服和内容分析中的应用》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/458-nlp%E5%9C%A8%E6%99%BA%E8%83%BD%E5%AE%A2%E6%9C%8D%E5%92%8C%E5%86%85%E5%AE%B9%E5%88%86%E6%9E%90%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流