Nlp 在Mallet主题建模中保留数字
我正在使用Mallet进行主题建模。我输入的文本中有大量的单词包括字母和数字;e、 g.,A54,D892。我只是注意到Mallet会自动删除数字,只保留单词中的字母。导入文本文件时,我甚至不使用--remove stopwords选项。有人知道我如何解决这个问题吗。Nlp 在Mallet主题建模中保留数字,nlp,topic-modeling,mallet,Nlp,Topic Modeling,Mallet,我正在使用Mallet进行主题建模。我输入的文本中有大量的单词包括字母和数字;e、 g.,A54,D892。我只是注意到Mallet会自动删除数字,只保留单词中的字母。导入文本文件时,我甚至不使用--remove stopwords选项。有人知道我如何解决这个问题吗。bin/mallet import dir有一个选项——token regex,它决定接受什么作为单词的一部分。以下两种选择之一可能适合您的需要:[\p{L}\p{D}]+接受字母和数字的任何组合\p{L}[\p{L}\p{D}]*
bin/mallet import dir
有一个选项——token regex
,它决定接受什么作为单词的一部分。以下两种选择之一可能适合您的需要:[\p{L}\p{D}]+
接受字母和数字的任何组合\p{L}[\p{L}\p{D}]*
接受以字母开头的字母数字字符串