摘要：
因为之后要做一个英文专利文本相似度分析的项目，所以先把文本预处理的流程放上来，以供参考，转自http://www.cnblogs.com/pinard/p/6756534.html 1. 英文文本挖掘预处理特点 英文文本的预处理方法和中文的有部分区别。首先，英文文本挖掘预处理一般可以不做分词（特殊需 阅读全文
摘要：
之前就了解过TF-IDF，现在做一个回顾。 概念： TF（Term Frequency）词频:一个文档中关键词出现的次数/该文档的总词数， IDF（Inverse Document Frequency）逆文档频率: 如果一个词越常见，那么分母就越大，逆文档频率就越小越接近0。分母之所以要加1，是为了 阅读全文