接触自然语言已有两年，下面谈一谈自己的一些理解

文本基本处理过程：


1.获取数据。

可以是任何文本类型的数据，自有的或者爬虫爬取的数据。曾经用几行代码写了一个爬虫，爬取了几万条商品评论还是很好用的。


2.数据预处理。

这一部分很重要！很重要！很重要！有可能会决定着你文本处理任务的最终质量！


1)观察数据。尤其是网上的数据质量参差不齐，一定要先观察数据，有没有异常符号，有的时候有很多空格，或者会有换行，这些符号都要首先去掉。我观察的方式也很简单，把数据统一存储到一个csv文件里，正常情况下文本非常整齐。如果有特殊符号可能会让一段文本被分开成好多列。看到有分成好多列的情况那可能有特殊符号，处理了就行。


2)分词，因为中文词语之间没有空格，所以一定要分词，分词的工具很多。做数据分析我一直用Python，推荐使用jieba分词，个人感觉很好用。


 3)去除停用词，停用词就是那些几乎出现在每一篇文本，数量很多但是没有区分度的词比如的，一，等等。如果做分类的话，这些词对处理结果有一定影响，所以可以考虑先去掉。停用词词表一般网上都有，可以找一个适合自己的用。


3.特征工程

做过比赛的人都知道特征工程有多重要了，文本特征需要自己构建，最简单的就是词袋模型，还可以用n-gram模型，ti-idf模型。但是这些模型共同的特点就是太稀疏了。一般情况下需要降维，比如SVD，其实很多模型也可以用来进行特征选择比如决策树，L1正则也可以用来进行特征选择，具体原理这里就不讲了。是不是很复杂，其实已有一个强大的工具帮我们做好了 sklearn，超级好用。


4.正式干活。

至此你的数据应该还算是比较干净了，可以开始做下一步工作。比如分类，聚类，命名实体识别，事件抽取，机器翻译。。。。太多了，还是很有意思的。欢迎交流，指导！