摘要： 分词 得到语言首先使用分词机器进行分词 首先使用正则表达式过滤标点 空格，一般使用NLTK进行首次分词 n-gram 相邻的词组成短语，更有意义。 停用词的过滤 a an the of之类 大小写转换 词干还原house houses houseing 还原成house ,nltk.stem.por 阅读全文