网页
资讯
视频
图片
知道
文库
贴吧
地图
采购
进入贴吧
全吧搜索
吧内搜索
搜贴
搜人
进吧
搜标签
日
一
二
三
四
五
六
签到排名:今日本吧第
个签到,
本吧因你更精彩,明天继续来努力!
本吧签到人数:0
一键签到
可签
7
级以上的吧
50
个
一键签到
本月漏签
0
次!
0
成为超级会员,赠送8张补签卡
如何使用?
点击日历上漏签日期,即可进行
补签
。
连续签到:
天 累计签到:
天
0
超级会员单次开通12个月以上,赠送连续签到卡3张
使用连续签到卡
05月14日
漏签
0
天
演绎吧
关注:
422,944
贴子:
94,408,701
看贴
图片
吧主推荐
视频
游戏
1
2
下一页
尾页
32
回复贴,共
2
页
,跳到
页
确定
<返回演绎吧
>0< 加载中...
【个人】从零开始尝试的演吧贴子分类
只看楼主
收藏
回复
亡灵菌
养音九皋
9
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
大家好,这里是还欠着群友们一个西幻帖子的亡灵。
十一月过半了,我的实习也开始了……在单位里并不好意思明目张胆的摸设定,但作为一个并没有什么活干的划水实习生,无聊之际,就在思考有没有给演绎吧的贴子搞个分类的可能性。
送TA礼物
1楼
2018-11-16 00:38
回复
亡灵菌
养音九皋
9
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
话不多说,说干就干。
贴子分类首先要有数据,于是尝试性的爬了演吧前三页的贴子数据,效果如图所示。
虽然再往后的也不是不能查找,但想来凉凉了两天以上(最后一个样本回复时间为11-14)的贴子已经失去了参考价值,所以先这样吧。
2楼
2018-11-16 00:41
回复
收起回复
亡灵菌
养音九皋
9
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
除开首页,演绎吧的另一个贴子数据集散地——想必就是登记楼了
emm……在爬它之前,忽然发现登记楼的格式对数据保存很不友好,于是开始尝试正则表达式……
……啧,这我之前没搞过啊
在一个多小时的翻资料和试错之后,姑且做出了这样一个版本:
没有找到能够方便整洁的搞出【演绎】后内容的方法,存在倒肯定是存在的——
但今晚摸了
3楼
2018-11-16 00:47
回复
收起回复
亡灵菌
养音九皋
9
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
ok,我又回来啦。
登记楼的爬虫意外的挺花时间,尤其是在排版上……
谁能告诉我为啥有人发帖ID的冒号用中标,有人用英标吗???
4楼
2018-11-16 12:03
回复
收起回复
亡灵菌
养音九皋
9
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
目前的效果如图所示(楼层标记什么的,等下再做吧)
有些人在登记楼中用的是图片……那个大概需要单独爬下来,下午继续。
5楼
2018-11-16 12:06
回复
收起回复
清酒
十一至娴
11
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
请问可以插楼吗「小声」
IP属地:湖南
来自
Android客户端
6楼
2018-11-16 12:20
回复(3)
收起回复
缪杳
十一至娴
11
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
辛苦啦,么么啾~
IP属地:云南
来自
Android客户端
7楼
2018-11-16 13:52
回复
收起回复
贵圈很乱
十一至娴
11
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
不明觉厉
@天然出品
@方糖不加🍼
来自
iPhone客户端
10楼
2018-11-16 22:28
回复
收起回复
亡灵菌
养音九皋
9
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
大家好,我又开始啦_(:з」∠)_
这次要做的是数据处理,为了给最终目的KNN做铺垫,先来做个LDA试试
效果如图所示:
11楼
2018-11-17 00:57
回复
收起回复
亡灵菌
养音九皋
9
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
分析的内容,是演吧前十页中文本的聚类。
从LDA的可视化可以看出来,魔幻很火啊
还有现代。
右下角是故事跟期练
左上角是个人贴。
12楼
2018-11-17 01:02
回复
收起回复
不定型自走黑洞
十四阙歌
14
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
是亡灵
IP属地:广东
来自
Android客户端
13楼
2018-11-17 02:55
回复
收起回复
神明无月
十色五光
15
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
看不懂,这弄出来的意义?
IP属地:罗马尼亚
14楼
2018-11-17 04:52
回复(1)
收起回复
亡灵菌
养音九皋
9
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
分类器做出来啦_(:з」∠)_
虽然只是简单基于文字读取的分类器
上图一个是本月登记楼全部贴子,另一个是带有魔幻TAG的全部登记楼贴子
15楼
2018-11-17 14:47
回复
收起回复
八佾
十四阙歌
14
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
棒。
IP属地:广东
来自
Android客户端
16楼
2018-11-17 14:52
回复
收起回复
亡灵菌
养音九皋
9
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
总结一下成果:
【演绎吧前二十页贴子数据】
这个爬虫做的比较精细,把包括发帖ID、题目、链接、发帖日期、最后回复日期、楼层数和能读取的第一层文本内容都爬下来了。
除去首页的那几条广告,一共爬到了996条数据。
17楼
2018-11-17 14:58
回复
收起回复
百度小说人气榜
登录百度账号
扫二维码下载贴吧客户端
下载贴吧APP
看高清直播、视频!
贴吧热议榜
1
歌手第二期竞演歌单
1518330
2
旮旯吧挑战:3个词猜GALGAME
1385475
3
你来打分!谁去歌手2024能乱杀
1000496
4
原神最受欢迎男角色榜
919755
5
为什么说玩军模的是真大佬
773292
6
TES 0-2 G2
675200
7
王曼昱不配奥运单打吗?
618840
8
我发网文小流派 吧友来打分
529483
9
yaoyao被罚款2万禁赛1场
427658
10
阿波罗登月是真是假?
358407
贴吧页面意见反馈
违规贴吧举报反馈通道
贴吧违规信息处理公示