本文主要是介绍NLP基础之词过滤及词转向量的相关方法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1. 停用词过滤
对于 NLP的应用，我们通常先把停用词、出现频率很低的词汇过滤掉。类似于特征筛选的过程。
少于10次或20次的可以作为低频词去掉。
2. 词的标准化操作（主要是英文）
stemming：将类似词转换成统一格式，但词不一定是实际词。如 fli， deni。。。PORTSTEMMER
lemmazation：与stemming区别是转换成统一格式的词，该词是真实存在的。
stemm 的规则 ：需要语言学家把一些常见的变换转化成代码 。
3. 词/句子/文章 转换成向量的方法
3.1 onehot编码
这篇关于NLP基础之词过滤及词转向量的相关方法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
