版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、Python運行下貝葉斯分類代碼最近在網站上謾罵的人比較多,想寫一個語義分類器,讓電腦自動屏蔽那些罵人的評論,怎么辦呢?這就用到了一個機器學習的算法貝葉斯文本分類器。這個算法很有用處,可以讓電腦識別人類語言,如果加上一點心理學的知識,可以讓電腦理解人類的文章并讓電腦判斷作者的個性特征,這就復雜了,現(xiàn)在我們先做一個簡單的示范。1. 首先是需要一個樣本集,用于訓練文本分類器:這里面用到了一個分詞算法【cs.perse】,其實是一個機械分詞算法,cs.py 文件的代碼粘貼在最下面。2. 下面的函數(shù)利用樣本創(chuàng)建一個詞表,也就是所有詞的集合3. 下面的函數(shù)將一個詞表轉換成詞向量4. 訓練樣本得到臟話/非
2、臟話的詞分布概率5. 利用貝葉斯條件概率,計算輸入的一句話到底是不是罵人的話,如果是罵人的話,就返回1,否則返回06. 最后測試一下【fuck you! mother fucker!】這句話,輸出結果為:1#以下是cs.py文件的代碼#coding:utf8import timeimport pandas as pdimport stringdef load_words(dic_file=./Freq/SogouLabDic.dic): t=time.time() word_dic= first_word_dic= for line in open(dic_file): line=unicod
3、e(line,utf8).split() word=line0 word_len=line1 sex=line2 if len(line)=3 else None first_word_dic.setdefault(word0,) first_word_dicword0.append(word) word_dicword=(word_len,sex) for first_word,words in first_word_dic.items(): word_dicfirst_word=sorted(words,key=lambda x:len(x),reverse=False) print lo
4、ad_words time:,time.time()-t return first_word_dic,word_dicfirst_word_dic,word_dic=load_words()model_dic= letters:string.ascii_letters, digits:string.digits, punctuation:string.punctuation, def match_ascii(i,sentence): result= for i in range(i,len(sentence): if not sentencei in string.ascii_letters:
5、break result +=sentencei return resultdef match_word(i,sentence,first_word_dic=first_word_dic): first_word=sentencei if not first_word_dic.has_key(first_word): if first_word in string.ascii_letters: return match_ascii(i,sentence) return words=first_word_dicfirst_word for word in words: if sentencei:
6、i+len(word)=word: return word return first_worddef perse(sentence): if sentence: words= i=0 while i len(sentence): matched_word=match_word(i,sentence) if not matched_word= :words.append(matched_word) i +=len(matched_word) return wordsif _name_=_main_: sentence=u我曾經跨過山和abd dfdf大海!互,聯(lián)網詞語搭配關系庫來自于對SOGOU搜索引擎所索引到的中文互聯(lián)網語料的統(tǒng)計分析,統(tǒng)計所進行的時間是2006年10
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 給朋友的慰問信匯編15篇
- 高校社團課后活動組織協(xié)議書
- 盆腔膿腫護理
- 中醫(yī)護理文化差異課件
- 附著式升降腳手架施工事故安全應急救援預案
- 婁底一中附屬實驗學校開展中小學生規(guī)范守則教育實踐活動方案
- 垃圾管理協(xié)議書(2篇)
- 煤礦機械化改造實施方案
- 2024人才梯隊培養(yǎng)計劃執(zhí)行方案
- 護理儀器設備培訓
- 我國中小企業(yè)戰(zhàn)略管理中及對策研究
- 2024年三級物聯(lián)網安裝調試員技能鑒定考試題庫(濃縮500題)
- 鑄造銅及銅合金的熔煉
- 精神科護理技能5.3出走行為的防范與護理
- 《絲網印刷知識》課件
- 有機水稻培訓課件
- 裝維培訓課件
- 安全駕駛機動車的濕滑路面
- 探究“對勾”函數(shù)的圖象與性質+教學設計 高一上學期數(shù)學人教A版(2019)必修第一冊
- 如何幫助大學生處理性別認同和性取向問題
- 高中生物必修三第一二章測試題(含答案)
評論
0/150
提交評論