Nano Hash - криптовалюты, майнинг, программирование

Передать файл TXT в качестве списка стоп-слов в Scala

Я использую набор инструментов Стэнфордского тематического моделирования (TMT) http://nlp.stanford.edu/software/tmt/tmt-0.4/, и я хочу подготовить набор текстовых данных. У меня есть текстовый файл стоп-слов.

Однако,

TermStopListFilter()

Который отфильтровывает стоп-слова из моего набора данных CSV, принимает только список внутри скрипта, например:

TermStopListFilter(List("positively","scrumptious"))

Как мне импортировать файл stopwords.txt и использовать его в качестве списка стоп-слов?

Полный фрагмент кода, который я использую:

val source = CSVFile("filtered.csv"); 

val text = {
  source ~>                              
  Column(1) ~>                           
  TokenizeWith(tokenizer) ~>             
  TermCounter() ~>                       
  TermMinimumDocumentCountFilter(100) ~>   
  TermStopListFilter(TXTFile("stopwords.txt"))  
  TermDynamicStopListFilter(10) ~>       
  DocumentMinimumLengthFilter(5)
}
scala stop-words
09.01.2013

Ответы:


1

ну, если ваши стоп-слова разделены ",", вы можете попробовать это:

 . 
 .
      TermStopListFilter(Source("stopwords.txt").getLines().map(_.split(",")).toList) 
 .
 .

Если ваши стоп-слова в stopwords.txt разделены каким-то другим символом, измените его в split(",") соответствующим образом и, скорее всего, вам следует удалить строку: TermStopListFilter(List("positively","scrumptious"))

09.01.2013
  • Я не уверен, что понимаю. Мои данные для анализа находятся в filtered.csv, а мой список стоп-слов находится в stopwords.txt. Не будет ли этот код думать, что мой список стоп-слов filtered.csv, когда нужные мне стоп-слова на самом деле находятся в stopwords.txt? 09.01.2013
  • ааа понятно, дай минутку- я изменю ответ 09.01.2013
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..