Je krijgt een gegevensset, tweets, met beoordelingen en sentimenten van klanten over luchtvaartmaatschappijen. Deze bestaat uit twee kolommen: airline_sentiment en text, waarbij het sentiment positief, negatief of neutraal kan zijn, en de text de tekst van de tweet bevat.

In deze oefening maak je een BOW-representatie, maar hierbij houd je rekening met de stopwoorden. Onthoud dat stopwoorden niet informatief zijn en dat je ze vaak wilt verwijderen. Dat levert een kleinere woordenschat en uiteindelijk minder features op. Houd er rekening mee dat we een standaardlijst met stopwoorden kunnen uitbreiden met woorden die specifiek zijn voor onze context.

TfIdf: Meer manieren om tekst te transformeren

Create Your Free Account