Question

NLP文本分类学习系列（二）

Answer 1

答1：文本长度平均为872个字符，最小的有64个，最长的有7125个，大部分在1000以下。

在数据集中标签的对应的关系如下：{'科技': 0, '股票': 1, '体育': 2, '娱乐': 3, '时政': 4, '社会': 5, '教育': 6, '财经': 7, '家居': 8, '游戏': 9, '房产': 10, '时尚': 11, '彩票': 12, '星座': 13}
答2：由此可见，“体育”、“股票” 占比最高，“科技”、“娱乐”次之，类别分布不是很均衡。

答3：最多的字符，平均30次/篇，高频的字符很可能是标点或停用词，需要过滤。

本章作业