（1）打开豆瓣一部电影评论区，根据html结构捕获三个信息：一，每账号的评分等级为5星、4星、3星、2星、1星；
二，每个账号的评论留言；
三，跳转到下个评论页面的http链接（2）获取所有的信息后对信息进行处理：一，计算出每个星级的总数和一共多少账户进行了评级二、将所有的评论内容放在一起，处理评论中的空格和其他不规范形式（3）用matplotlib绘制评分等级占比的饼图，用jieba进行分词处理，用wordcloud生成词云图同个修改url=https://movie.douban.com/subject/26430636/comments?start=0&limit=20&sort=new_score&status=P&percent;_type=之中“26430636”为电影的代表，将其换做其他的编号就可以读取和生成其他电影的matplotlib和wordcloud制作评分图和词云图
二，每个账号的评论留言；
三，跳转到下个评论页面的http链接（2）获取所有的信息后对信息进行处理：一，计算出每个星级的总数和一共多少账户进行了评级二、将所有的评论内容放在一起，处理评论中的空格和其他不规范形式（3）用matplotlib绘制评分等级占比的饼图，用jieba进行分词处理，用wordcloud生成词云图同个修改url=https://movie.douban.com/subject/26430636/comments?start=0&limit=20&sort=new_score&status=P&percent;_type=之中“26430636”为电影的代表，将其换做其他的编号就可以读取和生成其他电影的matplotlib和wordcloud制作评分图和词云图
2024/9/3 5:47:41
14KB
1
基于mongodb存储的军事领域知识图谱问答项目，8大类，100余小类，共计5800项的知识库，该项目不使用图数据库进行存储，通过jieba进行问句解析，问句实体项识别，基于查询模板完成多类问题的查询，主要是提供一种工业界的问答思想demo。
2024/8/23 7:48:42
3.75MB
1
包括4款分词工具的最新词库：1、IK分词：27万词2、jieba分词：40万词3、mmseg分词：15万词4、word分词：64万词
2024/1/13 21:47:06
4.77MB
1
个人整理的区块链常用词汇字典，大概有300多个词汇，可以用jieba直接导入作为分词数据来源,jieba.load_userdict()
2023/10/16 8:56:15
5KB
1
完整版淘宝单类商品全品类数据挖掘及数据分析代码，设计库：requests，pandas，matplotlib，xlwt，神器jieba，wordcloud等等代码里因为爬虫部分执行需要几秒时间，所以注释掉了，使用的话放开即可。
2023/9/22 19:14:06
4.06MB
1
本报告包括详尽完整的文本分类处理过程，包括语料库的处理、jieba分词、停用词无关词处理、词袋模型的构建（CHI值检验用于特征筛选、tfidf作为特征向量值）。
并用自编朴素贝叶斯以及sklearn包中的SVM进行了文本效果的检测，通过混淆矩阵和roc曲线展现了实现效果。
实验报告写的很详细，不懂的地方可以看报告以及看博客中的部分细节讲解。
并用自编朴素贝叶斯以及sklearn包中的SVM进行了文本效果的检测，通过混淆矩阵和roc曲线展现了实现效果。
实验报告写的很详细，不懂的地方可以看报告以及看博客中的部分细节讲解。
2023/7/15 21:32:55
4.05MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB