摘要：
数据集：ChnSentiCorp Htl ba 4000 ![data_content][1] 由于该数据集中的文件是分散的（一句评论一个文件），这样处理起来会比较麻烦，所以我们先要对它们进行合并： 接下来，我们进行数据预处理，这里包含了字符过滤，去停用词，分词等三个步骤： 这里使用的停用词表为： 阅读全文
摘要：
首先，使用gensim提供的WikiCorpus中的get_texts将维基数据里的每篇文章转换为1行text文本，并且去掉标点符号 wiki中文数据下载地址：https://dumps.wikimedia.org/zhwiki/latest/zhwiki latest pages articles 阅读全文