基于NLP的公众人物信息数据挖掘研究

摘要

cqvip:NLP指自然语言处理,将人类特有的语言转为结构化数据,是数据挖掘中人机交互的基础。本文以公众人物的公开文本信息为数据集,基于NLP自然语言处理的词向量及余弦相似度,主要对相近职业、月亮星座和地理位置3个维度展开浅层分析。为初步建立画像特征,挖掘步骤分为数据探索、爬虫采集和数据预处理,数据量级、颗粒度、泛化和评估仍有待优化。