原创力文档- 1、本文档共20页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
4.2文本数据处理第四章数据处理与应用
文本数据处理：从大规模的文本数据中提取出符合需要的信息主要应用在搜索引擎、情报分析、自动摘要、自动校对、论文查重、文本分类、垃圾邮件过滤、机器翻译、自动应答等方面。(了解)文本数据处理的应用p138
文本数据处理的一般过程p138-140文本内容是非结构化数据→→结构化数据分词数据分析文本数据源特征提取结果呈现将一个内容序列切分成一个一个单独的词（1）基于词典的分词方法(jieba)（2）基于统计的分词方法（3）基于规则的分词方法（试验阶段）获取文本中最重要的字、词或短语选取合适的工具或算法抽取文本中的隐含价值标签云字、词、短语作为特征项情感分析根据专家知识挑选或数学建模（庞大训练数据集）
项目学习1：中文分词jieba文本数据处理的过程案例1：把句子中所有可以成词的词语都扫描出来试图将句子最精确的分开，适合文本分析
项目学习2：词频统计程序实现词频统计核心代码
数据可视化
教材143页1.什么是数据可视化？数据可视化是将数据以图形图像等形式表示，直接呈现数据中蕴含信息的处理过程。2.可视化的作用？（1）快捷观察与追踪数据（2）实时分析数据（3）增强数据的解释力和吸引力
可视化的基本方法1.有关时间趋势的可视化随时间推移而变化的数据
可视化的基本方法2.有关比例的可视化一系列总和为1的比例数据
可视化的基本方法3.有关关系的可视化相互关联的数据
可视化的基本方法4.有关差异的可视化包含多种变量的数据
可视化的基本方法5.有关空间关系的可视化带有经纬度标签的空间数据
可视化的工具工具：大数据魔镜(免费的大数据可视化分析工具)Gephi（动态和分层图的交互可视化与探测开源工具）Tableau（实时可视化分析）编程语言：R(用于统计分析,图形表示和报告的编程语言和软件环境)Python可视化工具库：D3.js(D3是最流行的可视化库之一，可以创建实时交互网页)Highcharts(用纯JavaScript编写的一个图表库)GoogleCharts(为浏览器和移动设备定制，用于在web上可视化数据)
大数据典型应用p151-152智能交通整合了物联网、大数据、云计算、人工智能等技术实时提供道路交通、公路交通、停车场等信息。检测、控制和管理道路交通。
大数据典型应用p152电子商务精准营销：实现个性化推荐，提高网购效率供应链管理:①仓储管理：依靠预测模型，实现自动补货②物流配送领域：确定最优配送路线，提高配送速度智能网站：网站越来越智慧，提高商品的转化率，提升用户体验利用电子设备和网络技术进行商务活动
出租车轨迹可视化分析
项目学习3：文本数据分析——生成标签云生成结果并分析（提取关键信息）浙大附中.txt（UTF8格式）校标.png（模板图片）
#[0,10]区间内返回1000个均匀分布的样本p135
p137
文档评论（0）