樸素貝葉斯算法進(jìn)行NLP初試

樸素貝葉斯算法是NLP領(lǐng)域常用的一種算法模型,這里我們用一個(gè)簡(jiǎn)單的例子來(lái)看看怎么樣用他來(lái)進(jìn)行一個(gè)NLP的分類例子。(偏向?qū)嵱茫绻肓私馑惴ㄔ淼脑捒玻硗馑阉鲗W(xué)習(xí))

跟常見的模型建立一樣,主要有一下幾個(gè)步驟:

  1. 數(shù)據(jù)的預(yù)處理
  2. 數(shù)據(jù)集分類標(biāo)記
  3. 特征提取與建立模型并訓(xùn)練
  4. 進(jìn)行測(cè)試

這次我用了sklearn來(lái)進(jìn)行這個(gè)簡(jiǎn)單的小例子藐握,有兩個(gè)文本集,hotel和travel垃喊,一個(gè)文本集全是各種賓館猾普,一個(gè)文本集都是旅游信息


具體的代碼如下:

import os
import jieba
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.externals import joblib
import time

"""
1.數(shù)據(jù)的預(yù)處理
"""


def preprocess(path):
    text_with_space = ""
    textfile = open(path, "r", encoding="utf8").read()
    textcute = jieba.cut(textfile)
    for word in textcute:
        text_with_space += word + " "
    return text_with_space


"""
2. 數(shù)據(jù)集分類標(biāo)記
"""


def loadtrainset(path, classtag):
    allfiles = os.listdir(path)
    processed_textset = []
    allclasstags = []
    for thisfile in allfiles:
        # print(thisfile)
        path_name = path + "/" + thisfile
        processed_textset.append(preprocess(path_name))
        allclasstags.append(classtag)
    return processed_textset, allclasstags


processed_textdata1, class1 = loadtrainset("/Users/fengyang/PycharmProjects/NLP/dataset/train/hotel", "賓館")
processed_textdata2, class2 = loadtrainset("/Users/fengyang/PycharmProjects/NLP/dataset/train/travel", "旅游")

train_data = processed_textdata1 + processed_textdata2
classtags_list = class1 + class2
# 對(duì)文本中的詞語(yǔ)轉(zhuǎn)換
count_vector = CountVectorizer()
vecot_matrix = count_vector.fit_transform(train_data)

"""
3. 特征提取與訓(xùn)練
"""
# TFIDF
# 提取特征
train_tfidf = TfidfTransformer(use_idf=False).fit_transform(vecot_matrix)
# 特征訓(xùn)練
clf = MultinomialNB().fit(train_tfidf, classtags_list)
"""
4. 測(cè)試
"""
testset = []

path = "/Users/fengyang/PycharmProjects/NLP/dataset/test/hotel"
allfiles = os.listdir(path)

hotel = 0
travel = 0

for thisfile in allfiles:
    path_name = path + "/" + thisfile
    new_count_vector = count_vector.transform([preprocess(path_name)])
    new_tfidf = TfidfTransformer(use_idf=False).fit_transform(new_count_vector)
    predict_result = clf.predict(new_tfidf)
    print(predict_result)
    print(thisfile)

    if (predict_result == "賓館"):
        hotel += 1
    if (predict_result == "旅游"):
        travel += 1

print("賓館" + str(hotel))
print("旅游" + str(travel))

結(jié)果:

['賓館']
三亞市春節(jié)賓館房?jī)r(jià)不亂漲價(jià)違者將受到嚴(yán)處_seg_pos.txt
['賓館']
住宿-賓館名錄_seg_pos.txt
['賓館']
nj7_seg_pos.txt
['賓館']
dali09_seg_pos.txt
['賓館']
bj6_seg_pos.txt
['賓館']
xm7_seg_pos.txt
['賓館']
dujiangyan09_seg_pos.txt
['賓館']
wuyishan12_seg_pos.txt
['賓館']
zhuhai06_seg_pos.txt
['賓館']
kuerle01_seg_pos.txt
['賓館']
xm3_seg_pos.txt
賓館11
旅游0

通過(guò)結(jié)果我們看到,所有的測(cè)試本文本谜,一種11個(gè)初家,全部正確。

具體代碼和數(shù)據(jù)集地址:https://github.com/fredfeng0326/NLP/tree/master/nb_test
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末乌助,一起剝皮案震驚了整個(gè)濱河市溜在,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌他托,老刑警劉巖掖肋,帶你破解...
    沈念sama閱讀 217,406評(píng)論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異赏参,居然都是意外死亡志笼,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,732評(píng)論 3 393
  • 文/潘曉璐 我一進(jìn)店門把篓,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)纫溃,“玉大人,你說(shuō)我怎么就攤上這事韧掩∥珊疲” “怎么了?”我有些...
    開封第一講書人閱讀 163,711評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)坊谁。 經(jīng)常有香客問(wèn)我费彼,道長(zhǎng),這世上最難降的妖魔是什么呜袁? 我笑而不...
    開封第一講書人閱讀 58,380評(píng)論 1 293
  • 正文 為了忘掉前任敌买,我火速辦了婚禮,結(jié)果婚禮上阶界,老公的妹妹穿的比我還像新娘虹钮。我一直安慰自己,他們只是感情好膘融,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,432評(píng)論 6 392
  • 文/花漫 我一把揭開白布芙粱。 她就那樣靜靜地躺著,像睡著了一般氧映。 火紅的嫁衣襯著肌膚如雪春畔。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,301評(píng)論 1 301
  • 那天岛都,我揣著相機(jī)與錄音律姨,去河邊找鬼。 笑死臼疫,一個(gè)胖子當(dāng)著我的面吹牛择份,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播烫堤,決...
    沈念sama閱讀 40,145評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼荣赶,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了鸽斟?” 一聲冷哼從身側(cè)響起拔创,我...
    開封第一講書人閱讀 39,008評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎富蓄,沒(méi)想到半個(gè)月后剩燥,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,443評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡立倍,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,649評(píng)論 3 334
  • 正文 我和宋清朗相戀三年躏吊,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片帐萎。...
    茶點(diǎn)故事閱讀 39,795評(píng)論 1 347
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡比伏,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出疆导,到底是詐尸還是另有隱情赁项,我是刑警寧澤,帶...
    沈念sama閱讀 35,501評(píng)論 5 345
  • 正文 年R本政府宣布,位于F島的核電站悠菜,受9級(jí)特大地震影響舰攒,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜悔醋,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,119評(píng)論 3 328
  • 文/蒙蒙 一摩窃、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧芬骄,春花似錦猾愿、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,731評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至淘太,卻和暖如春姻僧,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背蒲牧。 一陣腳步聲響...
    開封第一講書人閱讀 32,865評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工撇贺, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人冰抢。 一個(gè)月前我還...
    沈念sama閱讀 47,899評(píng)論 2 370
  • 正文 我出身青樓松嘶,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親晒屎。 傳聞我的和親對(duì)象是個(gè)殘疾皇子喘蟆,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,724評(píng)論 2 354