标签： python nlp nltk gensim
Hello堆栈溢出社区，
我遇到以下问题：我目前正在挖掘支持票据数据库，并希望使用例如Doc2Vec检查门票之间的相似性。但是，该文本包含由OS或编译器命令生成的大字符串。因此，将这些字符串用作模型中的单个单词并不聪明。这里的好习惯是什么？有没有人经历过类似的事情？
托尔斯滕