在路上吗

想试一试NLP的一些工具，首先是word2vec。刚刚做到“利其器”，记录一下，要“善其事”估计还早吧。懒人专用下载包，分享密码4865，解压无密码，已编译并下载好了训练例集。自己做时，是这样的步骤：首先，下载源码：http://word2vec.googlecode.com/svn/trunk/。其次，编译。对于Visual Studio不含pthread.h的问题，有两种简单的方法

为了方便自己学习，翻译一下。原文地址：http://radimrehurek.com/gensim/intro.html。Gensim是一个免费的Python库，它可以用来从文档中自动提取语义主题，并且尽可能地做到轻松（对人）高效（对电脑）。Gensim致力于处理原始的、非结构化的数字文本（普通文本）。Gensim中用到的算法，如潜在语义分析（Latent Semantic Analy

为了方便自己学习，翻译了官方的教程，原文：http://radimrehurek.com/gensim/tutorial.html。本教程按照一系列的实例组织，用以突出gensim的各种特征。本教程的受众是熟悉Python，已经安装了gensim，而且阅读过介绍的读者。本教程包括为以下几个部分：语料库与向量空间从字符串到向量语料库流-一次一个文档语料库格式与NumPy和Sc

本文内容：如何利用gensim将文本信息转换为分析用的语料库，以及如何读取/存储语料库。

本文主要讲述了如何利用gensim将训练好并经过空间转换的空间向量模型进行索引，并应用于计算查询字符串与已索引文档的相似度。

为何要分布式计算？需要构建一个百万文档级语料库的语义代表，却耗时太~~长？手上有几个可用的闲置计算机？分布式计算力争通过将给定的任务切分为几个小型任务，并将这些任务指派给几台平行的计算机完成来实现加速计算。 本文主要简单介绍了Gensim的分布式计算的使用方法。

本文主要记录了使用gensim进行分布式潜在语义分析计算的方法。

仅供个人学习只用，如有错误，敬请指正。原文地址为了测试gensim的性能，我们在维基百科英文版上运行了一些实验。 这个页面描述了获取与处理维基百科的过程，以便任何人都能再现这个结果。本教程要求已经正确安装了gensim。 译者注：维基百科的内容在不断更新，因此本文的结果仅供参考，可能与实际情况有出入。准备语料库首先，从 http://download.wikimedia.org/enwik

gensim官方教程翻译。本篇主要介绍了gensim提供的各种空间向量模型转换方法及其使用。