Menangkap pola token

Analisis Sentimen dengan Python

Violeta Misheva

Data Scientist

Operator dan perbandingan string

# Memeriksa apakah string hanya berisi huruf  
my_string.isalpha()

# Memeriksa apakah string hanya berisi digit 
my_string.isdigit()

# Memeriksa apakah string hanya berisi karakter alfanumerik
my_string.isalnum()

# Tokenisasi kata asli
word_tokens = [word_tokenize(review) for review in reviews.review]

# Hanya menyisakan token yang terdiri dari huruf
cleaned_tokens = [[word for word in item if word.isalpha()] for item in word_tokens]

len(word_tokens[0])

len(cleaned_tokens[0])

import re

my_string = '#Wonderfulday'
# Ekstrak #, diikuti huruf apa pun, kecil atau besar
x = re.search('#[A-Za-z]', my_string)

x
<re.Match object; span=(0, 2), match='#W'>

# Pola token bawaan di CountVectorizer
'\b\w\w+\b'

# Tentukan pola token tertentu
CountVectorizer(token_pattern=r'\b[^\d\W][^\d\W]+\b')

Analisis Sentimen dengan Python