NLP Academy · บทเรียน

กรอง Stopword ด้วย NLTK

ตัดสัญญาณรบกวนออกจากรายการโทเคน

กรอง Stopword ด้วย NLTK เป็นบทเรียน NLP Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน NLP Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส NLP Academy มีบทเรียนทั้งหมด 4 บทเรียน

บางส่วนของบทเรียนนี้ยังไม่ได้รับการแปล และแสดงเป็นภาษาอังกฤษ

Let NLTK Do the Heavy Lifting

Building your own stopword list is fine, but NLTK already ships a curated one for many languages. Let us put it to work on a token list.

Grab the Data First

NLTK keeps word lists as downloadable data. You fetch the stopwords package once, then it stays on your machine.

import nltk
nltk.download("stopwords")

Load the English List

Now import the corpus and ask for English. You get back a plain list of words you can inspect or filter against.

from nltk.corpus import stopwords
stops = stopwords.words("english")
print(len(stops))

Convert It to a Set

The list works, but a set makes membership checks much faster. Wrap it once and reuse it for every token.

stops = set(stopwords.words("english"))

Filter With a Comprehension

A list comprehension keeps only the words that are not stopwords. This single line is the heart of stopword removal.

tokens = ["the", "quick", "brown", "fox"]
clean = [w for w in tokens if w not in stops]
print(clean)

Mind the Case

The list is lowercase, so The will not match the. Lowercase your tokens first, or you will leave capitalized stopwords behind.

clean = [w for w in tokens if w.lower() not in stops]

See the Difference

Before filtering you might have ten tokens; after, only the meaningful four remain. That shrink is the noise you just dropped.

Other Languages Too

NLTK is not English-only. Swap the argument to pull a stopword list for Spanish, German, French, and many more.

spanish = set(stopwords.words("spanish"))

Customize the List

The list is just a set, so you can add your own domain noise to it with normal set operations before filtering.

stops.add("subject")
stops.update(["http", "www"])

Or Keep a Few Back

Want to protect a word like not? Just remove it from the set so filtering never strips it out.

stops.discard("not")

Filter Once, Reuse Often

Build your stops set a single time at startup, not inside a loop. Rebuilding it for every document wastes real time.

Quick Check

One detail trips up almost everyone the first time.

Recap

You can now filter tokens against NLTK stopwords: download once, build a lowercase set, and keep only words not in it. Mind the case.

คำถามที่พบบ่อย

บทเรียน “กรอง Stopword ด้วย NLTK” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “กรอง Stopword ด้วย NLTK” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส NLP Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส NLP Academy มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “กรอง Stopword ด้วย NLTK”

ตัดสัญญาณรบกวนออกจากรายการโทเคน คุณปฏิบัติ NLP Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน NLP Academy หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน NLP Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน

บทเรียน “กรอง Stopword ด้วย NLTK” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน NLP Academy นี้ได้ไหม

ได้ บทเรียน NLP Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

← กลับไปที่ NLP Academy