SnowNLP是一个强大的中文文本处理库，涵盖中文分词、词性标注、情感分析、文本分类、关键字/摘要提取、TF/IDF、文本相似度等多种功能。 例如，如果仔细查看隐马尔科夫模型，朴素贝叶斯，tom博客，就会发现博客主使用摘要提取功能来增强博客的SEO。 也就是说，利用自然语言处理(NLP)技术提取了各文章的摘要信息。 由于SnowNLP自身使用的数据是电子商务网站的评论，当我们面对不同的使用场景时，其所拥有的这种模式难免会“水土不服”。 因此，如果希望获得更接近现实的结果，建议使用自定义数据进行模型训练。 幸运的是，所有这些都非常容易在SnowNLP上实现，不需要研究高级、不可预测的算法。 到此为止，引出了今天这个博客的主题。 也就是说，SnowNLP使用自定义数据进行模型培训。
不知道是否留下了印象，博主在《通过Python分析2020年全年微博热搜数据》这篇文章中提到过SnowNLP的模型训练。 当时，博主收集了2020年微博整体的话题。 为了表达这一年的感情变化，博主特地找了两份微博资料，以此为基础训练了一份模型文件。