词云也叫文字云，是一种可视化的结果呈现，常用在爬虫数据分析中，原理就是统计文本中高频出现的词，过滤掉某些干扰词，将结果生成一张图片，直观的获取数据的重点信息。今天，我们就来学习一下Python生成词云的常用库「wordcloud...

系列介绍：文本挖掘比较常见，系列思路：1-基本情况介绍（分词，词云展示）；2-根据语料库的tf-idf值及创建自己的idf文件；3-基于snownlp语料情感分析；4-基于gensim进行lda主题挖掘分析；...

导语| Elasticsearch （ES）是一个分布式搜索和分析引擎，它能为我们提供全文搜索等各种丰富的功能，You know, for search (and analysis)。此前关于 Elasticsearch 大多都是调优分享、分布式相关，关于基础的文档基本是简单...

前言在使用mysql的时候,为了查询速度,我们都会使用索引这个东西现在问题来了,索引对 like "%xx%" 是不生效的,这就意味着无法快速的模糊匹配查询数据,那么有什么办法解决这个问题吗?...

在github上下载和es版本匹配的ik中文分词器 https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v7.10.0

完全切分、正向最长匹配和逆向最长匹配这三种算法的缺点就是如何判断集合中是否含有字符串。

前一段时间简单了解 tensorflow_text 简单中文分词使用[1]，再结合 Rasa 的学习，就萌生出模仿 Rasa 的结巴分词 tokenizer，造一个 Tensorflow_text_tokenizer。

将文本转换成一系列单词的过程，也称文本分析，在 ES 里称为 Analysis。 比如文本【JavaEdge 是最硬核的公众号】，分词结果是【JavaEdge、硬核、公众号】

对于文本分析而言，大家都绕不开词云图，而python中制作词云图，又绕不开wordcloud，但我想说的是，你真的会用吗？你可能已经按照网上的教程，做出来了一张好看的词云图，但是我想今天这篇文章，绝对让你明白wordcloud背后的原理。...

一个 tokenizer（分词器）接收一个字符流，将之分割为独立的 tokens（词元，通常是独立的单词），然后输出 tokens 流。