複数のテキスト列
この演習では、航空会社のTwitterデータを引き続き扱います。データセット tweets は読み込まれています。
データセットに複数のテキスト列があり、それぞれに数値表現を作りたい場合があります。ここでは、ツイート本文が入った text 列に加えて、もう1つのテキスト列 negativereason があります。これは顧客が否定的なレビューをした理由を表します。
あなたのタスクは、両方の列に対してBOW表現を作成し、必要なストップワードを指定することです。
この演習はコースの一部です
Pythonで学ぶSentiment Analysis
演習の手順
- ベクトライザーのパッケージと英語の既定ストップワード一覧をインポートしてください。
- 英語の既定ストップワード一覧を更新し、
my_stop_wordsセットを作成してください。 - 1つ目のベクトライザーではストップワード引数に更新後のセットを、2つ目のベクトライザーでは英語の既定ストップワード一覧を指定してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Import the vectorizer and default English stop words list
____
# Define the stop words
my_stop_words = ____._____(['airline', 'airlines', '@', 'am', 'pm'])
# Build and fit the vectorizers
vect1 = CountVectorizer(____=my_stop_words)
vect2 = CountVectorizer(____=____)
vect1.fit(tweets.text)
vect2.fit(tweets.negative_reason)
# Print the last 15 features from the first, and all from second vectorizer
print(vect1.get_feature_names()[-15:])
print(vect2.get_feature_names())