“小张，快过来，业务来了！
”

“王哥，啥业务呀？”

“最近公司业务太好了，收到很多反馈信息，大多数都是好的，但也有一些负面信息，领导叫我们剖析一下。
”

“剖析什么呢？”

“领导要给老板做一个申报请示，把这些反馈信息按照正面，负面，中立进行分类，分别统计一个数量，这个不难吧！
”

“这个该当算是人工智能吧，我根本就没研究过，王哥这是要我现学现卖吗？这也太难了吧！
”

“嗯，确实，很少有问题连你这个技能高手说难的，看来真的不大略呀！
”

“王哥洗我脑壳了，我是真没研究过，要不您还是推掉吧，我怕到时候完不造诣瓜起了！
”

“这个任务领导很重视，再加上是老板嘱咐下来的，领导也知道我们公司就你技能最厉害，不好推呀！
”

“那到时候弄不出来别怪我呀，还有我须要韶光。
”

“好的，我只管即便给你争取韶光，初步就给你一周韶光吧！
”

“这...”，小张面露难色，一时有点语塞。

王哥安慰道“没事，有事我照着，研究不出来算我的，我相信你一定行！
”

“好..吧..”

三天之后，小张愉快地对王哥说：

“王哥成了…”

“什么王哥成了，你不是被逼疯了吧！
”

“不是，是反馈剖析的任务已经完成了。
”

“你不是说你没研究过吗，你小子隐蔽得挺深呀！
”

“不是，真没研究过，虽然弄出来了，但我这几天都没睡好觉，梦里都在想如何办理这个问题，这才勉强成了。
”

“看你这样子，眼睛跟熊猫一样，我相信你了，真的是难为你了，我一定要给领导说，让他给老板说道说道，这样的人才不能给埋没了呀！
”

“没事，拿人钱财，***嘛，份内之事罢了。
”

“好一个拿人钱财，还是先说说你的方案吧，我挺好奇，你是如何在这么短的韶光内做出来的。
”

“好，我就大略先容一下：”

“首先，一段文本是由很多个词组成的，那么这些词就代表了这段文本。
我们先要对所有文本进行分词，这里我用到了一个叫做结巴分词的东西。
”

“分词后，要打算每个词的逆文本词频，英文名叫TF-IDF。
”

“这个TF-IDF是就代表了对应词的含义。
”

“小张，打断一下，为什么你说这个什么TF-IDF能代表词的含义呢？”

“王哥，你看过谍战剧吧，虽然电报加了密，还是被破解了，由于虽然笔墨都张冠李戴了，但每个字涌现的频率不会变呀，通过涌现频率，我们就能还原出原始信息了。
”

“哦，原来是这样，那你连续讲。
”

“先打算TF，TF=某词在文本中涌现的次数/文本中所有词的总数，简而言之，词在当前文本涌现的比重。
”

“在打算IDF，IDF=log(总文档数/含有某词的文档数）。
”

“TF-IDF=TF×IDF，这样打算出来的TF-IDF能表示出某个词的主要性，而所有词汇合成的向量就能代表这段文本。
”

“由于，TF-IDF是一个浮点数，全体文本便是一个浮点数凑集，一样平常叫它向量，有了向量我们就能把它输入到SVM中去演习，演习完成后，我就能用它自动标记反馈的分类了。
”

“不过在此之前，我还碰着了两个困难：”“一是，弄演习预见，我们要让模型干事，还须要先教它，这个太费事了，还要一个一个看懂文本的意思。
”

“呃，没明白呢，你是手工分类是么，这大几百万反馈文本，不是吧，你这高技能人才可不能干这种事呀？”

“王哥，不是这个意思，我有那么笨吗，不是每一条都教，只教一部分就行了。
”

“原来如此，那另一个困难是啥？”

“由于我利用的是SVM模型嘛，它哀求每条演习输入的向量维度必须同等，但是每条反馈文本的长度又不一致。
”

“我想了一个晚上，终于想到可以提取文档中的TOP N，便是最主要的N个单词来代表这条反馈文本。
”

“经由演习后，效果非常好，我大概看了一下，险些都给准确归类了。
”

“小张呀，你太厉害了，都不知道怎么形容你好了。
”

“你放心，好好干，有出息！
”

“那，王哥，我来日诰日想安歇一下，行吗，实在受不明晰！
”

“好的，带薪休假，准了！
还给你争取特殊奖金！
”

本文非技能描述部分为虚构，请勿对号入座