大家来讨论下有关于“置顶”消息处理的逻辑判断

hoochanlon

咨询一下，大家一般对微博热搜的置顶头条里的不可见热度指数是怎么处理的。是前三、前十的平均数？还是置0呢？

    for row in ws.iter_rows(min_row=2, min_col=1):
        for cell in row:
            if cell.column == 1 or cell.column == 3:
                if isinstance(cell.value, str) and not cell.value.isnumeric():
                    cell.value = cell.value.replace('[置顶]', '0w') # 去除字符串中的 '[置顶]' 字符
                if isinstance(cell.value, str) and cell.value.isnumeric():
                    cell.value = int(cell.value)
                elif isinstance(cell.value, str):
                    cell.value = float(cell.value.replace('w', ''))

hoochanlon

写的基本差不多，统计指数、平均指数、情绪值估算、词频统计，剩下的就是渣优化，看后续放源码了。

hoochanlon

更新：

关于“置顶”取了前三的平均值，分类基本完成

todo

定语统计功能的设计

• 是否纳入宾语补足语，重新设计？
• 形容词、名词、极化限定词、拟态词，取舍？
• 万字语料库的基础上，是否后期加入机器学习
• 以及其他语言的新闻报道语言结构表达方式

hoochanlon

初测定语分析，词组判断、依次写入，记总等效果均不理想，弃用。

删除功能：定语分析、状语分析；保留功能：词频统计、识别分类。

hoochanlon

完成