带有历史记录的文本框控件，完整代码，重要代码有注释，含调用说明 可设置历史记录条数 并带有删除功能 历史记录保存在xml文件中 另有保存在注册表的代码 请参考我上传的其他资源 采用textbox和listbox结合的方式实现历史记录的显示

首先，建立自己的语料库 def ylk(x): seg = jieba.cut(x, cut_all=False) with open('D://listTwo.txt', 'a',encoding='utf-8')as f: for word in seg: f.write(word+ ) f.write('\n') 训练模型 from gensim.models.word2vec import LineSentence, Word2Vec #加载语料库 sentences = LineSentence(D://

将文本内容添加到表格中在实际应用中很常见，下面为大家简要介绍下具体的实现过程，感兴趣的朋友可以参考下

本文实例讲述了Python文本统计功能之西游记用字统计操作。分享给大家供大家参考，具体如下： 一、数据 xyj.txt，《西游记》的文本，2.2MB 致敬吴承恩大师，4020行（段） 二、目标 统计《西游记》中： 1. 共出现了多少个不同的汉字； 2. 每个汉字出现了多少次； 3. 出现得最频繁的汉字有哪些。 三、涉及内容： 1. 读文件； 2. 字典的使用； 3. 字典的排序； 4. 写文件 四、效果 五、源代码 # coding:utf8 import sys reload(sys) sys.setdefaultencoding("utf8") fr = open('xyj.txt',

随着网络的飞速发展，微博逐渐成为社交网络中信息传播及信息收集的重要平台，微博转发是微博信息传播的重要途径，研究微博转发问题对微博信息传播、微博营销、舆情监控有着极其重要的意义.影响微博转发的主要因素有：粉丝兴趣与微博文本的相似度，微博营销策略及用户粉丝数量的变化.以往的预测模型没有综合考虑这两方面因素，基于此，提出了一种基于循环神经网络的方法来对微博转发量级进行预测，首先利用SIM-LSTM模型构建微博转发趋势度，然后再利用TF-IDF构建粉丝兴趣和微博文本的相似度，最后通过神经网络模型来预测粉丝是否会转发该微博.实验结果表明本文提出的算法相对于其他预测算法F1评估值提高了近5%.

Notepad++中文版是一款非常有特色的编辑器，是开源软件，可以免费使用。 Notepad++中文版是 Windows操作系统下的一套文本编辑器(软件版权许可证: GPL)。Notepad++有完整的中文化接口及支持多国语言编写的功能(UTF8技术)。Notepad++中文版功能比 Windows 中的 Notepad(记事本)强大。Notepad++除了可以用来制作一般的纯文字说明文件，也十分适合编写计算机程序代码。Notepad++中文版不仅有语法高亮度显示，也有语法折叠功能，并且支持宏以及扩充基本功能的外挂模组

Tkinter笔记本 这是用tkinter（python）编写的文本编辑器

Excel图表上的文本框.rar,图表中，可添加文本框并输入文字来对图表进行补充说明或重点强调。文本框与图表的组合方式有两种，见本例。

本项目通过textcnn卷积神经网络实现对文本情感分析识别，由python 3.6.5+Pytorch训练所得。

使用RNN循环神经网络实现对爬取的京东评论信息进行情感分析 其中包括源代码、数据集、停用词等