ÎncepețiÎncepe gratuit

Conversia la litere mici

Analizezi recenziile utilizatorilor pentru un site de turism. Aceste recenzii conțin adesea majuscule inconsistente, precum "TRAVEL" și "travel". Pentru a pregăti textul în vederea analizei de sentiment și a extragerii subiectelor, vei converti mai întâi toate cuvintele la litere mici, apoi le vei tokeniza și le vei curăța de cuvintele de stop și de punctuație.

Funcția word_tokenize() și o listă stop_words au fost deja furnizate. Resursele NLTK sunt deja descărcate.

Acest exercițiu face parte din cursul

Procesarea Limbajului Natural (NLP) în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Convertește recenzia review la litere mici.
  • Tokenizează lower_text în cuvinte.
  • Folosește o expresie list comprehension pentru a elimina cuvintele de stop și punctuația, utilizând listele stop_words și string.punctuation.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

review = "I have been FLYING a lot lately and the Flights just keep getting DELAYED. Honestly, traveling for WORK gets exhausting with endless delays, but every trip teaches you something new!"

# Lowercase the review
lower_text = ____

# Tokenize the lower_text into words
tokens = ____

# Remove stop words and punctuation
clean_tokens = [____ if word ____ and word ____]

print(clean_tokens)
Editează și rulează codul