Nlp 有博客的英文停止词列表吗？

我正在博客上分析他们的内容。我用的是基本的英语停止词列表，但这还不够，因为博客中经常出现一些无用的词，比如“归档”、“评论”等等。你知道预先创建的针对博客的停止词列表吗？

我找不到任何这样的资源。最好的方法是计算文档集合中最频繁的单词（比如1000个），并将其中的一个子集（比如200个）设置为stopwords。你也可以改变这个截止参数（比如100或300而不是200）来查看对检索性能的影响。

也考虑使用（例如）TF IDF或日志熵，因为一些频繁的单词可能仍然被认为是有用的分析。