Du erinnerst dich vielleicht: In einem früheren Kapitel haben wir ein Paket zur Spracherkennung verwendet, um die Sprache verschiedener Amazon-Produktrezensionen zu bestimmen. In dieser Übung erkennst du zunächst die Sprachen in den non_english_reviews. Die Rezensionen liegen in mehreren Sprachen vor, aber du wählst NUR diejenigen auf Spanisch aus. Sieh dir gern das Video zur Erkennung von Fremdsprachen noch einmal an, falls du einige Konzepte aufgefrischt brauchst.

Im zweiten Schritt erstellst du Wort-Tokens aus den spanischen Rezensionen und stemmst sie mit einem Snowball-Stemmer für die spanische Sprache. Das Spracherkennungspaket ist leider nicht perfekt. Es kann daher vorkommen, dass die erkannte Sprache gelegentlich nicht korrekt ist.

TfIdf: Weitere Möglichkeiten, Text zu transformieren

Create Your Free Account