TextInfoExp

收录理由

这个仓库围绕搜狗新闻语料，把中文自然语言处理里常用的几类实验都过了一遍。它不是打包好的现成工具，而是按文本处理的基本流程，逐个给出可运行的代码：从TF-IDF特征、文本分类、聚类，到词向量、情感识别和关系抽取，每一步都有具体实现，方便对照着读、改着用。对偏好从实例入手、而不是先啃理论的学习者来说，这种展开方式尤其友好。代码基于Python 2.7编写，风格带有早期课程作业的影子，但其中涉及的算法思想放到今天的主流库里依然适用。如果你正在搭一个中文文本挖掘的练习环境，或者想找一些清晰的参考实现来借鉴，这个仓库值得作为起点。