Stoppord

Sentimentanalys i Python

Violeta Misheva

Data Scientist

Vad är stoppord och hur hittar man dem?

Stoppord: ord som förekommer för ofta och inte anses informativa

Listor med stoppord finns för de flesta språk

  {'the', 'a', 'an', 'and', 'but', 'for', 'on', 'in', 'at' ...}

Kontexten spelar roll

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

Stoppord i ordmoln

Ordmoln utan borttagna stoppord

Ordmoln med stoppord borttagna

Ta bort stoppord från ordmoln

# 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')

Stoppord med BOW

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)

Nu kör vi en övning!

Sentimentanalys i Python