自己搜集的NLTK的安装包，里面是Python3.4.1版本，可以安装Python，numpy,NLTK，还附带一些插件，例如jieba中文分词，matplotlib绘图，按照步骤安装，自然语言处理的基本功能都可以实现。
2023-11-21 06:08:18
49.83MB
1
描述
该程序在丝芙兰评论页面上爬网文本，并返回评论ID，评分，评论者的名字和位置，他们的评论文字以及有多少人认为他们的评论有用。
所需的图书馆
在命令提示符下使用以下pip命令安装必要的库。
pip3 install requests
pip3 install lxml
pip3 install beautifulsoup4
pip3 install nltk
待办事项清单
项目按重要性顺序列出。
创建一个地图，显示各州的评论频率和评分
筛选出标签和people在array_helpful（也许尝试使用替代（））
解决的问题
最新修复程序列在首位。
修复了错误“索引超出范围”。 第一次（最早的）评论没有评分，因此我们将在数据集中忽略此1个实体。
停止跳过隐藏的段落（当评论很长并且您必须单击“查看更多”时，搜寻器将跳过这些部分）
修复rating开头的5、4、3、
2023-04-10 14:50:30
3KB
1
Lesk算法
使用nltk WordNet的Lesk算法的Python实现
要求：
Python
python的nltk包。
对于 nltk 安装，请参阅
该程序接受一个单词和一个（短语或句子）作为参数，并根据 Lesk 算法返回该单词最接近的可能的词义键。
对于 Lesk 算法： :
2023-03-26 14:58:44
2KB
1
包含punkt、words、maxent_ne_chunker、averaged_perceptron_tagger等文件。这些文件如果用nltk.download下载可能会现在不下来，这里下载好了为大家提供，只需要复制到对应的路径下面就可以用了。
包含punkt、words、maxent_ne_chunker、averaged_perceptron_tagger等文件。这些文件如果用nltk.download下载可能会现在不下来，这里下载好了为大家提供，只需要复制到对应的路径下面就可以用了。
包含punkt、words、maxent_ne_chunker、averaged_perceptron_tagger等文件。这些文件如果用nltk.download下载可能会现在不下来，这里下载好了为大家提供，只需要复制到对应的路径下面就可以用了。
包含punkt、words、maxent_ne_chunker、averaged_perceptron_tagger等文件。这些文件如果用nltk.download下载可能会现在不下来，这里下载好了为大家提供，只需要复制到对应的路径下面就可以用
2023-03-23 23:52:18
29.21MB
1
Kaggle-SMS-Spam-Collection-Dataset-：使用NLTK和Scikit-learn分类为垃圾邮件或火腿邮件
2023-02-04 11:54:23
217KB
1
解决nltk.stopwords的下载速度过慢，同时在原有停用词的的基础上加入了一些小语种的停用词，例如马来语、印尼语、菲律宾语，有助于小语种的nlp任务。
2023-01-08 23:32:42
21KB
1
NLTK是Python中用于自然语言处理的第三方模块，但处理中文文本具有一定局限性.利用NLTK对中文文本中的信息内容进行抽取与挖掘，采用同语境词提取、双连词搭配提取、概率统计以及篇章分析等方法，得到一个适用于中文文本的NLTK文本内容抽取框架，及其具体的实现方法.经实证分析表明，在抽取结果中可以找到反映文本特点的语料内容，得到抽取结果与文本主题具有较强相关性的结论.
2023-01-07 11:46:12
795KB
1
本资源属于代码类，是一些nlp工具的使用
nlp 工具 word2vec nltk textblob crf++
（1）机器人
（2）中文翻译，及繁体转简体
（3）关键词提取，主题提取，摘要提取
（4）命名体识别
（5）分词
（6）情感分析，正负类分析
（7）近义词，同义词，句子相似性
（8）聚类，监督，无监督
（9）词性标注
（10）词向量提取
2022-11-05 14:56:59
1.49MB
1
恢复上升
简历解析器和摘要器工具可对简历进行分类，并根据用户要求对简历进行排名。
数据集
包含1000个以csv格式标记的简历（根据特定简历所属的主要类别/类别进行标记）。 我们将使用此csv格式的简历数据集来训练我们的模型以进行分类。 然后，我们的模型应该能够处理任何看不见的简历。
参考文件：
Utils / Analysis.ipynb ：数据清理+预处理+可视化+见解
Utils / Summarize.ipynb ：恢复汇总算法
Utils / pdftotext.ipynb ：使用pdfminer将odf转换为文本
Utils / Modelling.ipynb ：主文件+代表性更改+培训+模型比较+测试
Utils / naive_bayes.ipynb ：多项朴素贝叶斯实现
Utils / svm.ipynb ：svm实现
Utils / clean_data1.csv ：
2022-10-05 15:44:09
8.42MB
1