Eliza1130的专栏

zhuWordnet是一个词典。每个词语(word)可能有多个不同的语义，对应不同的sense。而每个不同的语义（sense）又可能对应多个词，如topic和subject在某些情况下是同义的，一个sense中的多个消除了多义性的词语叫做lemma。例如，“publish”是一个word，它可能有多个sense：1. (39) print, publish -- (put into pri

在网上找了一圈，没找到几个靠谱的安装流程，在http://nltk.org/install.html上找到各平台下安装流程：Windows平台：以下操作假定你的机器上还没有安装Python，如果你已经安装Python，请跳过最后一步，只需要安装NLTK。32位二进制版安装：1.安装Python：http://www.python.org/getit/，选择2.7.3

WordNet InterfaceWordNet is accessed just another NLTK corpus reader, and can be imported like this:>>> from nltk.corpus import wordnetFor more compact code, we recommend:>>> from nltk.

MMR（Maximal Marginal Relevance）是一种重新确定文档序值的方法。具体公式如下：由上述公式可以看出sim(Q,di)代表的是di的相关性，而sim(di,dj)代表的是di的冗余性；而MMR的核心，即在权衡这两种性质，即redundancy=cost,relevance=benefit具体重定序的算法如下：解释：为了得到最初的k个文

由前一篇转载的文章可知，N-Gram 该模型基于这样一种假设，第n个词的出现只与前面N-1个词相关，而与其它任何词都不相关，整句的概率就是各个词出现概率的乘积。这些概率可以通过直接从语料中统计N个词同时出现的次数得到。常用的是二元的Bi-Gram和三元的Tri-Gram。      如果一个词的出现仅依赖于它前面出现的一个词，那么我们就称之为bigram。     如果一个词的出现仅依赖于

N-Gram是大词汇连续语音识别中常用的一种语言模型，对中文而言，我们称之为汉语语言模型(CLM, Chinese Language Model)。汉语语言模型利用上下文中相邻词间的搭配信息，在需要把连续无空格的拼音、笔划，或代表字母或笔划的数字，转换成汉字串(即句子)时，可以计算出具有最大概率的句子，从而实现到汉字的自动转换，无需用户手动选择，避开了许多汉字对应一个相同的拼音(或笔划串，或数字串

不知不觉发现最近学了好多查询扩展方面的东东，对

文章来自: 前沿视频教室一个文本框旁边一个按钮是很经常用到的网页内容，比如搜索框等等，而如果旁边的按钮使用图像的话，他们竖直方向就很不容易对齐，即使使用 vertical-align、padding和margin等都不行（特别是在IE中，Firefox中使用vertical-align还可以）。例如有如下代码： 

今天在用css美化django做出的网页页面时，想把