关于主题抽取中的代码

[acmilannesta]

作者你好， 我刚入门NLP。对于下面这几行代码不是很理解，想请问一下, 在extract_entity函数中，为何要将_ps递减10，谢谢！

if len(_t) == 1 and re.findall(u'[^\u4e00-\u9fa5a-zA-Z0-9\*]', _t) and _t not in additional_chars:           
    _ps1[i] -= 10

[bojone]

防止抽取出的实体包含非法字符。

[Hejp5665]

虽然我是菜鸟，但我觉得你的代码不够简洁

[bojone]

请教简洁写法

[natureLanguageQing]

能把苏老师逼成这样子的你也是厉害，主要是因为数据传输的过程中会有一定的数据丢失，或者是数据转存中的方法不统一，所以造成读取文件的时候会报错，针对数据集做一些优化这个必不可少