第 0008 题：一个HTML文件，找出里面的正文。思路：我把这里的正文理解为网页中我主要内容，那么怎么去抓取这个主要内容呢？我一开始的想法是用beautifulsoup来解析网页，但是又想到如果要抽取正文的话这样做还涉及到比较复杂的算法，而且对于不同的网页来说效果可能做不到很好。后来我发现了Python-goose（Github）这个神器，它是基于NLTK和Beautiful Soup的，分别是文...
分类：
编程语言 时间：
2015-05-07 12:37:09
阅读次数：
757
Natural Language Processing with PythonChapter 6.2 1 import nltk 2 from nltk.corpus import nps_chat as nchat 3 4 def dialogue_act_features(post): 5 .....
分类：
其他好文 时间：
2015-04-24 20:43:19
阅读次数：
129
Natural Language Processing with PythonCharpter 6.1 1 import nltk 2 from nltk.corpus import brown 3 4 def pos_features(sentence,i,history): 5 fea...
分类：
其他好文 时间：
2015-04-24 13:57:26
阅读次数：
176
Natural Language Processing with PythonCharpter 6.1suffix_fdist处代码稍微改动。 1 import nltk 2 from nltk.corpus import brown 3 4 def common_suffixes_fun(): ....
分类：
其他好文 时间：
2015-04-24 00:48:43
阅读次数：
304
Natural Language Processing with PythonChapter 6.1由于nltk.FreqDist的排序问题，获取电影文本特征词的代码有些微改动。 1 import nltk 2 from nltk.corpus import movie_reviews as mr ...
分类：
其他好文 时间：
2015-04-23 23:04:30
阅读次数：
147
1 import nltk 2 3 def freq_sorted(text,ranklimit): 4 fd=nltk.FreqDist(text) 5 cumulative = 0.0 6 for rank, (word,freq) in enumerate(sort...
分类：
其他好文 时间：
2015-04-23 15:01:04
阅读次数：
243
本文主要是总结最近学习的论文、书籍相关知识，主要是Natural Language Pracessing(自然语言处理，简称NLP)和Python挖掘维基百科Infobox等内容的知识。
此篇文章主要参考书籍《Natural Language Processing with Python》Python自然语言处理，希望对大家有所帮助。书籍下载地址：
所谓“自然语言”，是指人们日常交流使用的语言，如英语、印地语随着不断演化，很难用明确的规则来刻画。
从广义上，“自然语言处理”（...
分类：
编程语言 时间：
2015-04-16 22:00:32
阅读次数：
405
nltk安装完毕后，编写如下示例程序并运行，报Resource u'tokenizers/punkt/english.pickle' not found错误import nltksentence = """At eight o'clock on Thursday morning Arthur did...
分类：
其他好文 时间：
2015-03-18 20:10:08
阅读次数：
2769
问题描述： 在Win7环境下已安装Python3.4，准备安装numpy和nltk，运行安装程序报如题错误，具体解决方案如下：1.将LOCAL_MACHINE\software\python\PyhtonCore\3.4导出，不妨设为3_4.reg，2.编辑3_4.reg，将LOCAL_MACHIN...
分类：
编程语言 时间：
2015-03-18 19:51:40
阅读次数：
225
Python 网页爬虫 & 文本处理 & 科学计算 & 机器学习 & 数据挖掘兵器谱发表于2014年07月24号由52nlp曾经因为NLTK的缘故开始学习Python，之后渐渐成为我工作中的第一辅助脚本语言，虽然开发语言是C/C++，但平时的很多文本数据处理任务都交给了Python。离开腾讯创业后，...
分类：
编程语言 时间：
2015-03-11 16:59:02
阅读次数：
314
