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