Ai la dispoziție un set de date numit tweets, care conține recenziile și sentimentele clienților față de companii aeriene. Acesta are două coloane: airline_sentiment și text, unde sentimentul poate fi pozitiv, negativ sau neutru, iar text reprezintă conținutul tweet-ului.

În acest exercițiu, vei crea o reprezentare de tip BOW (Bag of Words), ținând cont de cuvintele de stopare. Ține minte că aceste cuvinte nu sunt informative și, de obicei, este recomandat să le elimini. Astfel vei obține un vocabular mai mic și, în final, mai puține caracteristici. De asemenea, poți îmbogăți lista implicită de cuvinte de stopare cu termeni specifici contextului tău.

TfIdf: Mai multe moduri de a transforma textul

Create Your Free Account