sinat_37386947的博客

最近在学《python自然语言处理》这本书，写博客就当做笔记concordance函数 关键词语索引，显示某个词的出现情况和上下文text1.concordance（"monstrous")similar函数 查询括号中相关词在上下文相似的词语text1.similar("monstrous")common_contexts函数 研究共用两个或者两个以上词汇的上下文 tex

源代码链接（github地址）https://github.com/dennybritz/cnn-text-classification-tf参考博文： https://blog.youkuaiyun.com/github_38414650/article/details/74019595数据集：https://github.com/cystanford/text_classification包含训练...

分词、去停用词#https://github.com/xgli/jiebaimport osimport jieba# 未分词语料库路径corpus_path =r' '# 分词后语料库路径seg_path = r' '# 停用词路径stop_list_Path = r' 'def stopwordsList(stop_list_Path): f = open(s...

sklearn 数据划分方法 https://www.cnblogs.com/hellcat/p/7045585.htmlK-折交叉法留一法随机划分法准确率（P），召回率®、F1值 、ROC曲线、阈值几者的关系？增加准确率会降低召回率，反之亦然。这叫做准确率与召回率之间的折衷如何计算（输入：样本真实标签、样本预测标签）ROC是真正例率（正例被正确分类的，召回率）比假正例率（反例被错...

1.参数说明gensim.models.word2vec.Word2Vec(sentences=None,size=100,alpha=0.025,window=5, min_count=5, max_vocab_size=None, sample=0.001,seed=1, workers=3,min_alpha=0.0001, sg=0, hs=0, negative=5, cbow_mea...

1.链表：指的是python中列表里的内容，是存储文本的方式。 e.g. sent1=[‘call’,’me’,’Ishmael’,’.’] 操作：连接（加法）sent1+sent2 追加元素 sent1.append( ) 2.索引：列表中某个文本的位置的数字,可用来获取文本中词汇，从0开始。 e.g. sent1[0]=’c