我是一个学生团队的“程序员”,该团队的目标是调查我的文法学校的满意度和一般问题。我们有一个从1到6的调查问卷,我们通过我用python编写的图表软件来解释这些答案。
现在在我们的问题的末尾有一个<textarea>,人们可以随意使用。我目前正在考虑让这些数据变得有用的方法(我们不想阅读比800+答案更多的内容)。
如何使用Python中的文本分析来调查学生所写的内容?我在想一种方法来“标记”任何写下来的句子,比如:
I don't like being in school. [wellbeing][negative]
I have way too much homework
我想知道如何从零开始创建一个情感模型。我有我的数据,文本列表,没有关于情感的标签。
Author Quotes
Dan Brown “Everything is possible. The impossible just takes longer.”
Dan Brown “Great minds are always feared by lesser minds.”
Dan Brown “Men go to far greater lengths to avoid what they fear than to obtain what they desire.”
Dan
全,
我是一个中等水平的python开发人员,拥有Web技术硕士学位,虽然我认为自己是一个不错的程序员,但我总是遇到与算法复杂性相关的问题。
有人推荐一本好书来解释如何导出算法的O符号,以及可以使用哪些复杂算法的常见解决方案?
我目前正在阅读“Bob大叔的”The Clean Coder: A Code of better for Professional Programmers“(顺便说一句,我强烈推荐这本书),他在书中用了一章的篇幅解释了如何每周在工作之外花费20个小时来提高你的技能是成为一名更好的程序员的唯一途径。所以我想我应该从算法复杂性开始,然后转移到大表和闭包。
想象一下我有来自亚马逊的评论。我将把这些评论传递到LDA模型中,以获得4个主题。
现在,每一篇评论都可能讨论一个以上的主题。它可能包含2/3/4的主题词。所以现在我有没有办法从每个话题的评论中提取情感?
这就是我所期望的函数
def assign_topics_to_sentences(topics_dict,review):
return sentences_topic_dict
#topics_dict is a dictionary that contains keys as topic number or name and values contain list like
我是Python的新手,不太擅长Python。我正在尝试从一个名为Transfermarkt (我是一个足球迷)的网站上抓取数据,但是当我尝试提取数据时,它给了我HTTP错误404。这是我的代码:
from urllib.request import urlopen as uReq
from bs4 import BeautifulSoup as soup
my_url = "https://www.transfermarkt.com/chelsea-fc/leihspielerhistorie/verein/631/plus/1?saison_id=2018&leihe=i
使用Python,我试图从多个主语被动语态句中提取实体。
“约翰和珍妮被大卫指控犯罪”
我的意图是从句子中抽取“约翰和珍妮”作为nsubjpass和_.ent__。
然而,我只能将“John”提取为nsubjpass。
如何把它们都提取出来?
注意,虽然在.ents中发现John是一个实体,但Jenny被认为是conj而不是nsubjpass。如何改进?
代码
each_sentence3 = "John and Jenny were accused of crimes by David"
doc=nlp(each_sentence3)
passive_toks=[tok
我想开发一个深度学习模型来分类一些评论和评论。以下是对数据结构的一点描述:
每个注释可能与一个或多个类相关,例如关于手机电池、手机操作系统或其他类的评论(类型分析)。
每条评论(比如关于手机电池及其操作系统的评论)都可以是正面的、负面的或中性的,其中只有一条是(情感分析)。
现在的问题是,我是否应该开发多个模型(每个类一个模型),该模型有3个情感输出,如下所示:
DATA ==> TYPE DETECTION MODEL ==> output_1 (type of review)
DATA ==> SENTIMENT DETECTION MODEL ==> output