NLP课程文本预处理语言模型n元语法时序数据的采样循环神经网络从零开始实现循环神经网络 文本预处理 文本是一类序列数据,一篇文章可以看作是字符或单词的序列,本节将介绍文本数据的常见预处理步骤,预处理通常包括四个步骤: 读入文本 分词 建立字典,将每个词映射到一个唯一的索引(index) 将文本从词的序列转换为索引的序列,方便输入模型 以下代码是读取文章的demo import collections import re def read_time_machine(): with open('/home/kesci/input/timemachine7163/timemachine.tx