我正在NLP领域中做我的第一个项目，该项目是对带有约250个带标签的英语数据点/句子的数据集的情感分析。数据集是具有阳性，阴性或中性标签的药品评论。我已经在监督学习中使用数字数据工作了3年，但是NLP对我来说是未知的领域。因此，我想知道最好的预处理技术以及我需要做的最适合我的问题的步骤。来自NLP专家的指南将不胜感激！
根据您对mohammad karami答案的评论，您所不了解的是paragraph或sentence表示形式（您说的是“转换为数字才是真正的问题”）。因此，在数字数据中，假设您有一张带有两列（特征）和标签的表，也许是“工作经历”，“年龄”和标签“薪水”之类的东西（根据年龄和工作经验来预测薪水） ）。在NLP中，功能通常不是全部时间都位于单词级别（有时也可以是字符级别或子单词级别）。这些功能称为令牌。现在，这些列将替换为这些标记。进行段落表示的最简单方法是使用单词袋。因此，在预处理之后，每个唯一的单词都将映射为列。因此，假设我们有两行数据训练，如下所示：
唯一的单词将成为该列，因此表可能看起来像：
I | help | you | and | should | me
现在这两个样本的值如下：
[注意，数组的第一个元素为1，因为两个样本都具有单词I并发生一次，现在看到第二个元素在第一行是2，在第二行是0，因为单词帮助在第一行发生两次，而在第二行从未发生。其背后的逻辑将类似于“如果单词A，单词B ...存在而单词H，单词I ...不存在，则标签为正”。
单词袋在大多数情况下都有效，但是它存在诸如维数问题（假设有40亿个唯一单词，特征太多）的问题，并且请注意，它并没有考虑单词的顺序，请注意类似的词用相同的方式表示，还有更多。 NLP的当前最新技术称为BERT，请了解如果要使用best。
首先，您必须指定要具有的功能，然后进行预处理。但是，您可以：1-删除HTML标签2-删除多余的空格3-将重音字符转换为ASCII字符4-扩大收缩5-删除特殊字符5-小写所有文字6-将数字单词转换为数字形式7-删除号码8-删除停用词9-合法化做自己的数据。我建议查看NLP的NLTK软件包。 NLTK具有情感分析功能（maybe help your work）。然后使用tf-idf或任何其他特征提取或特征选择算法提取特征。然后在缩放后给出机器学习算法。