leiting_imecas的博客

gensim 的word2vec api参见： https://radimrehurek.com/gensim/models/word2vec.html 本文说一下中文语料的使用，很简单。1 word2vec api看下api： gensim.models.word2vec.Word2Vec(sentences=None, size=100, alpha=0.025, window=5, min

word2vec源码断断续续看了好几遍了，基本理清了流程和一些trick，添加了注释。 具体很多细节可以参考文末的参考链接，很详细。#include <iostream>#include <stdio.h>#include <stdlib.h>#include <math.h>#include <pthread.h>#define MAX_STRING 100 //词最大长度#defin

1 关于主题模型使用LDA做推荐已经有一段时间了，LDA的推导过程反复看过很多遍，今天有点理顺的感觉，就先写一版。隐含狄利克雷分布简称
LDA（latent dirichlet allocation），是主题模型(topic model)的一种，由Blei, David M.、Ng, Andrew Y.、Jordan于2003年提出。 主题模型属于聚类方法，是一种无监督的学习方法。与通常的tf-

最近又在迭代特征工程，发现jieba提取特征词有个需要注意的地方，直接看例子例子1>>> import jieba>>> import jieba.posseg as pseg>>> s = '我们喜欢支付宝, 苹果'>>> ws = pseg.cut(s)>>> for i in ws:... print i...我们/r喜欢/v支付宝/nr,/x /x苹果/n>

哈工大ltp词性列表Tag Description Examplea adjective 美丽 b other noun-modifier 大型, 西式 c conjunction 和, 虽然 d adverb 很 e exclamation 哎 g morpheme 茨, 甥 h prefix 阿, 伪 i

1 关于语素百度百科的解释： 语法单位有大有小，最大的语法单位是句子，比句子小的语法单位，依次是短语、词、语素。人类的语言是有声音、有意义的，是语音和语义的结合体，这便是语法单位基本的特点。语素是最小的语法单位，也就是最小的语音、语义结合体。 所有我的理解是，分词后的各个词都是语素。语素有名词性语素、动词性语素等类别。2 ICTCLAS 词性列表注： ICTCLAS——中国科学

本文使用哈工大做文本预处理； 两层隐层神经网络；# -*- coding: utf-8 -*-# @bref :使用tensorflow做中文情感分析import numpy as npimport tensorflow as tfimport randomfrom sklearn.feature_extraction.text import CountVectorizerimport