结合停用词的航空公司情感分析
给您一个名为 tweets 的数据集，包含顾客对航空公司的评价及其情感标签。它由两列组成：airline_sentiment 和 text。其中情感可以是 positive、negative 或 neutral，text 是推文的文本内容。
在本练习中，您将创建一个 BOW（词袋）表示，并考虑停用词的处理。请记住，停用词通常信息量不高，您可能希望将其移除。这样可以使词汇表更小，最终特征也会更少。请注意，我们可以在默认停用词列表的基础上，加入与当前语境相关的词来进行扩充。
本练习是课程的一部分
Python 中的情感分析
练习说明
- 导入英语默认停用词列表。
- 使用给定列表
['airline', 'airlines', '@']扩充默认停用词，创建my_stop_words。 - 在向量化器中指定 stop_words 参数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import the stop words
from sklearn.feature_extraction.text import CountVectorizer, ____
# Define the stop words
my_stop_words = ____.____(['airline', 'airlines', '@'])
# Build and fit the vectorizer
vect = CountVectorizer(____=my_stop_words)
vect.fit(tweets.text)
# Create the bow representation
X_review = vect.transform(tweets.text)
# Create the data frame
X_df = pd.DataFrame(X_review.toarray(), columns=vect.get_feature_names())
print(X_df.head())