Стоп-слова

Анализ тональности текста на Python

Violeta Misheva

Data Scientist

Что такое стоп-слова и как их найти?

Стоп-слова: слова, которые встречаются слишком часто и не несут информации

Списки стоп-слов существуют для большинства языков
```
  {'the', 'a', 'an', 'and', 'but', 'for', 'on', 'in', 'at' ...}
```

Контекст имеет значение

  {'movie', 'movies', 'film', 'films', 'cinema'}

Стоп-слова и облака слов

Облако слов без удаления стоп-слов

Облако слов с удалёнными стоп-словами

Удаление стоп-слов из облаков слов

# Import libraries
from wordcloud import WordCloud, STOPWORDS
import matplotlib.pyplot as plt

# Define the stopwords list
my_stopwords = set(STOPWORDS)
my_stopwords.update(["movie", "movies", "film", "films", "watch", "br"])

# Generate and show the word cloud
my_cloud = WordCloud(background_color='white', stopwords=my_stopwords).generate(name_string)
plt.imshow(my_cloud, interpolation='bilinear')

Стоп-слова и метод мешка слов

from sklearn.feature_extraction.text import CountVectorizer, ENGLISH_STOP_WORDS

# Define the set of stop words
my_stop_words = ENGLISH_STOP_WORDS.union(['film', 'movie', 'cinema', 'theatre'])

vect = CountVectorizer(stop_words=my_stop_words) 
vect.fit(movies.review)
X = vect.transform(movies.review)

Давайте потренируемся!

Анализ тональности текста на Python