loyalzc / nlp_kesci Goto Github PK

长度相关：Length Features

• 单词数 word_count
• 句子数 sentence_count
• 每个句子的平均单词数 avg_sentence_len
• 每个单词的平均长度 avg_word_len
• 长单词数long_word (这里选定长度≥7的为长单词)
• 停用词个数stopwords_count
• 大于4的单词的个数 long_4word
• 使用不重复单词的数量 unique_word

标点相关：Occurrence Features

• 感叹号出现的数目exc_count
• 问号出现的数目que_count
• 逗号出现的数目comma_count

Error Features

• 拼写错误的单词数spelling_errors

n-gram相关：ngrams_counts Features， 此特征可以说明作者的词汇丰富程度

• unigrams_count：将文章分词后-->采用1-gram-->统计非重复gram的个数
• bigrams_count：将文章分词后-->采用2-grams-->统计非重复grams的个数
• trigrams_count：将文章分词后-->采用3-grams-->统计非重复grams的个数

词性相关：POS counts Features，此特征用于统计文章中不同词性的个数

• 名词noun_count
• 形容词adj_count
• 副词adv_count
• 动词verb_count
• 外来词fw_count

语气相关：Personality Features 分析文中每句话的语气:positive，negative or neutrual

• 消极语气neg_sentiment
• 中立语气neu_sentiment
• 积极语气pos_sentiment