版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_33067361/article/details/81631567
数据处理
xml文件处理
- 将所有的xml文件目录存到一个txt文件中,方便批量解析。
使用cmd中的dir命令实现,“dir/b/a-d “.\”>”.\文件名.txt””,第一个.前填文件夹的名字,第二个.前是生成的txt的名字。
属性值抽取参考lxml官方文档。
自然语言处理之tfidf过程参考https://blog.csdn.net/weixin_41931602/article/details/80458874
tfidf主要还是看gensim官方文档吧
https://radimrehurek.com/gensim/tutorial.html
多线程并行分词(去停用词部分需要添加)
https://blog.csdn.net/cdj0311/article/details/81317273