数据科学家成长指南(中)

在《 》中已经介绍了基础原理、统计学、编程能力和机器学习的要点大纲,今天更新后续的第五、六、七条线路:自然语言处理、数据可视化、大数据。准备好在新的一年,学习成为未来五年最性感的职位么。——————文本挖掘,自然语言处理。这是一个横跨人类学、语言学的交叉领域。中文的自然语言处理更有难度,这是汉语语法特性决定的,英文是一词单词为最小元素,有空格区分,中文则是字,且是连续的。这就需要中文在分词的基础上再进行自然语言处理。中文分词质量决定了后续好坏。语料库它指大规模的电子文本库,它是自然语言的基础。语料库没有固定的类型,文献、小说、新闻