步骤：
（1）读取3篇txt格式的英文文档；
（2）对每篇文档进行分词；
（3）利用正则表达式去掉逗号、句号等标点符号；
（4）计算文档频率；
（5）统计特征向量
$_value){
$_value = trim($_value);
$_value = preg_replace('/[.|,|(|)|-|;]/','',$_value);
$_words[$i][$_key]=strtolower($_value);
}
//去重
$_words[$i]= array_unique($_words[$i]);
}
//合并
$_words_com = array_merge($_words[0],$_words[1],$_words[2]);
//文档频率
$_df = array_count_values($_words_com);
//特征向量
for ($i = 0;$i $_value){
$_vsm[$i][$_key] = 0;
}
for ($j=0;$j
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/1721/viewspace-2801932/ ，如需转载，请注明出处，否则将追究法律责任。
请登录后发表评论
登录
全部评论
