Python 中的文本分类，2021Python 面试真题精选干货整理
def BagOfWords ( self ):
""" 返回字典，包含单词（键）及其频率（值）"""
return self 。__bag_of_words
def WordFreq ( self , word ):
"""
如果 word 在 self 中，则返回单词 """ 的频率。__bag_of_words ：
返回 self 。__bag_of_words [单词]
其他：
返回 0
文档类
class Document ( object ):
""" 用于学习（训练）文档和测试文档。
如果应该训练分类器，
可选参数 lear__必须设置为 True。如果是测试文档，learn 必须是设置为 False。""" _vocabulary = BagOfWords ()
def __init__ ( self , 词汇表):
self . __name = ""
self . __document_class = None
self 。_words_and_freq = BagOfWords ()
文档。_vocabulary = 词汇
DEF read_document （自，文件名， 学习=假）：
“”，” A 读取原稿假定该文件是在 UTF-8 或在异 8859 任一编码的...（Latin-1 的）。
所述的字文档存储在词袋中，即 self._words_and_freq = BagOfWords() """
try :
text = open ( filename , "r" , encoding = 'utf-8' ) 。read ()
除了 UnicodeDecodeError :
text = open ( filename, "r" , encoding = 'latin-1' ) 。阅读()
文本 = 文本。下()
词 = re 。拆分( r "\W" ,文本)
自我。_number_of_words = 0
for word in words :
self 。_words_and_freq 。add_word ( word )
如果 学习：
文档。_词汇。add_word (字)
DEF __add__ （自，其他）：
“”，“重载‘+’。操作员添加两个文件在于添加文件的 BagOfWords‘’”
RES = 文献（文献。_vocabulary ）
水库。_words_and_freq = self 。_words_and_freq + 其他。_words_and_freq
返回 资源
DEF vocabulary_length （自）：
“”，“返回的词汇的长度”“”
返回 len 个（文献。_vocabulary ）
def WordsAndFreq ( self ):
""" 返回字典，包含
文档的 BagOfWords 属性中
包含的单词（键）及其频率（值）__""" return self 。_words_and_freq 。BagOfWords ()
def Words ( self ):
""" 返回 Document 对象 """
d = self_的单词_。_words_and_freq 。BagOfWords ()
返回 d 。键()
def WordFreq ( self , word ):
""" 返回单词 "word" 在文档 """
bow = self 中出现的次数。_words_and_freq 。BagOfWords ()
if word in bow :
return bow [ word ]
else :
return 0
def __and__ ( self , other ):
""" 两个文档的交集。返回两个文档中出现的单词列表 """
intersection = []
words1 = self 。字（）
的 话 在 其他。字（）：
如果 字 在 words1 ：
交叉点 + = [字]
返回 相交
类别/文件集
这是由一个类别/类的文档组成的类。我们使用术语类别而不是“类”，这样它就不会与 Python 类混淆：
class 类别（文档）：
def __init__ （自我， 词汇）：
文档。__init__ （自我， 词汇）
自我。_number_of_docs = 0
def Probability ( self , word ):
""" 返回给定类 "self" """
voc_len = Document_的单词 "word" 的概率_。_词汇。len ()
SumN = 0
for i in range ( voc_len ):
SumN = Category 。_词汇。WordFreq （字）
N = 自我。_words_and_freq 。WordFreq ( word )
erg = 1 + N
erg /= voc_len + SumN
返回 erg
DEF __add__ （自，其他）：
“”，“重载‘+’。操作员增加两个类别中的对象在于添加
了分类对象 BagOfWords‘’”
RES = 类别（自我。_vocabulary ）
水库。_words_and_freq = self 。_words_and_freq + 其他。_words_and_freq
返回 资源
def SetNumberOfDocs ( self , number ):
self 。_number_of_docs = 数字
def NumberOfDocuments ( self ):
返回 self 。_number_of_docs
池类
池是类，在其中训练和保存文档类：
类 池（对象）：
def __init__ （自我）：
自我。__document_classes = {}
self 。__vocabulary = BagOfWords ()
def sum_words_in_class ( self , dclass ):
""" 一个 dclass 的所有不同单词出现在一个类中的次数 """
sum = 0
for word in self 。__词汇。Words ():
WaF = self 。__document_classes [ dclass ] 。WordsAndFreq ()
if word in WaF :
sum += WaF [ word ]
return sum
def learn ( self , directory , dclass_name ):
""" directory 是一个路径，其中可以找到名为 dclass_name 的类的文件 """
x = Category ( self . __vocabulary )
dir = os 。listdir ( directory )
for file in dir :
d = Document ( self . __vocabulary )
#print(directory + "/" + file)
d . 阅读文档（目录 + "/" + 文件， 学习 = True )
x = x + d
self 。__document_classes [ dclass_name ] = x
x 。SetNumberOfDocs ( len ( dir ))
def Probability ( self , doc , dclass = "" ):
"""计算给定文档 doc""" 类 dclass 的概率，
如果 dclass :
sum_dclass = self 。sum_words_in_class ( dclass )
概率 = 0
d = 文献（自我。__vocabulary ）
d 。read_document (文档)
对于 j 在 self 。__document_classes :
sum_j = self 。sum_words_in_class ( j )
prod = 1
for i in d 。Words ():
wf_dclass = 1 + self 。__document_classes [ dclass ] 。WordFreq ( i )
wf = 1 + self 。__document_classes [ j ] 。词频( i )
r = wf * sum_dclass / ( wf_dclass * sum_j )
prod *= r
prob += prod * self 。__document_classes [ j ] 。NumberOfDocuments () / 自我。__document_classes [ dclass ] 。NumberOfDocuments ()
if prob != 0 :
return 1 / prob
else :
return - 1
else :
prob_list = []
for dclass in self 。__document_classes :
prob = self 。概率（doc ， dclass ）
prob_list 。追加([ dclass , prob ])
prob_list 。sort ( key = lambda x : x [ 1 ], reverse = True )
返回 prob_list
def DocumentIntersectionWithClasses ( self , doc_name ):
res = [ doc_name ]
for dc in self 。__document_classes ：
d = 文献（自我。__vocabulary ）
d 。read_document ( doc_name , learn = False )
o = self 。__document_classes [直流] ＆ d
intersection_ratio = len ( o ) / len ( d . Words ())
res += ( dc , cross_ratio )
返回 res
最后
Python 崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS 等更加高级的领域。Python 可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python 可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
??Python 所有方向的学习路线??
Python 所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
??Python 必备开发工具??
工欲善其事必先利其器。学习 Python 常用的开发软件都在这里了，给大家节省了很多时间。
??Python 全套学习视频??
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
??实战案例??
学 python 就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时
候还是会一筹莫展。
因此在学习 python 的过程中一定要记得多动手写代码，教程只需要看一两遍即可。
??大厂面试真题??
我们学习 Python 必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
Python编程资料加Q群免费领取：419829237 2022.03.14 加入
还未添加个人简介
评论