分类记录数情况为：句子(36059条），名言(25890条），语录(13677条），短信(13339条），短语(11250条），糗事(10926条），段子(7360条）。
2021-11-11 17:08:01
24KB
1
具体说一下整理的工作：1.初始整理成行共150多万条记录；2.去除行头序号；3.去除含**敏感词的记录；4.去除10字以下155字以上的记录；5.去除某些不佳句子；6.去除重复的记录，到第6步之后记录集只剩下33万多了。 标题也适当的整理了一下，GROUP BY后有9千多。
2021-08-03 09:35:03
432KB
1