NLP：分享我的代码与项目，包括为IE HST自然语言处理课程及Kaggle竞赛所作开发

简介：
本页面汇聚了个人在自然语言处理领域的学习成果和实践作品，涵盖IE HST课程作业以及参与Kaggle竞赛的相关代码和项目。 在IE University的自然语言处理课程里，我分享了一些代码，并展示了我在该课程中的项目成果。 1. 计算歌曲词汇多样性：我发现了一篇文章讨论音乐家职业生涯中使用的整体词汇量。基于此，我想比较排行榜前三名歌手和最后两名歌手与课堂上所见三首歌之间的差异。排名第一的是Eminem（不出意料），他的前一百首慢歌使用了大约8,800个单词；其次是Jay Z（6900字）和Tupac Shakur（6600字）。排名最后的两位是Spice Girls与Bruno Mars，他们的歌曲词汇量约为1500词左右。我尝试挑选一些看起来在词汇上更加多样化的歌曲进行分析，并发现这两组之间存在显著差异，且与课堂中所讨论的三首歌相比也有所不同。（具体代码可在文件“Lexical_Diversity”里找到） 2. 分类模型：真实与否？NLP中的灾难推特分类：我们获得了接近1000条数据。