データサイエンティストは、顧客コメントの初期探索的分析をチャートとワードクラウドを使用して作成する必要があり、NLP モデルを構築する前に特徴量エンジニアリングを適用したいと考えています。視覚化とモデリングのためにテキストを準備するために使用すべき特徴量エンジニアリング手法を2つ選択してください。

ステミングは、単語を語幹に還元することで、異なる活用形や派生形を同じ単語として扱えるようにします。これにより、データ量を削減し、分析の精度を高めることができます。TF-IDFは、文書内での単語の出現頻度と、コーパス全体での単語の希少性を考慮して、単語の重要度を数値化します。これにより、単語の重み付けが可能になり、視覚化や機械学習モデルの入力として適した形式に変換できます。 固有表現抽出と共参照解決は、テキストの意味理解を深める高度なNLPタスクであり、初期の探索的分析や特徴量エンジニアリングの段階で必須ではありません。感情分析は、テキストの感情を特定するもので、特徴量エンジニアリングというよりは、それ自体が分析タスクです。