reuters.py 文件源码

python
阅读 27 收藏 0 点赞 0 评论 0

项目:multilabel-classification 作者: jordicolomer 项目源码 文件源码
def tokenize(text):
    min_length = 3
    words = map(lambda word: word.lower(), word_tokenize(text))
    words = [word for word in words if word not in cachedStopWords]
    tokens = (list(map(lambda token: PorterStemmer().stem(token), words)))
    p = re.compile('[a-zA-Z]+')
    filtered_tokens = list(filter(lambda token: p.match(token) and
                                  len(token) >= min_length, tokens))
    return filtered_tokens
评论列表
文章目录


问题


面经


文章

微信
公众号

扫码关注公众号