米仓山下

摘要： 一篇没投的文文章。分享出来。 【摘要】由于中文地址使用缺乏规范和汉语语言的特点，在地址匹配前首先需要进行地址解析，以识别地址中的地址要素和其他成分。传统的基于词典和规则的方法过度依赖词典和规则库，对歧义词和未登录词的识别率低。本文采用自然语言标注的思想，借助条件随机场模型，利用地址成分中的词性特征、 阅读全文

摘要： 关于word2vec的原理知识参考文章https://www.cnblogs.com/Micang/p/10235783.html 语料数据来自搜狐新闻2012年6月—7月期间国内，国际，体育，社会，娱乐等18个频道的新闻数据 数据处理参考这篇文章 模型训练： 模型使用： 输出： 阅读全文

摘要： 关键词： TF-IDF实现、TextRank、jieba、关键词提取数据来源： 语料数据来自搜狐新闻2012年6月—7月期间国内，国际，体育，社会，娱乐等18个频道的新闻数据 数据处理参考前一篇文章介绍： 介绍了文本关键词提取的原理，tfidf算法和TextRank算法 利用sklearn实现tfi 阅读全文

摘要： 数据来源 https://www.sogou.com/labs/resource/cs.php介绍：来自搜狐新闻2012年6月—7月期间国内，国际，体育，社会，娱乐等18个频道的新闻数据，提供URL和正文信息格式说明：<doc><url>页面URL</url><docno>页面ID</docno>< 阅读全文

摘要： word2vec的基础知识介绍参考上一篇博客和列举的参考资料。 首先利用安装gensim模块，相关依赖如下，注意版本要一致： Python >= 2.7 (tested with versions 2.7, 3.5 and 3.6) NumPy >= 1.11.3 SciPy >= 0.18.1 S 阅读全文

摘要： 对word2vec的理解及资料整理 无他，在网上看到好多对word2vec的介绍，当然也有写的比较认真的，但是自己学习过程中还是看了好多才明白，这里按照自己整理梳理一下资料，形成提纲以便学习。 介绍较好的文章： 一、什么是Word2Vec？ 简单地说就是讲单词word转换成向量vector来表示，通 阅读全文

摘要： 首先要声明，图片的算法有很多，如JPEG算法，SVD对图片的压缩可能并不是最佳选择，这里主要说明SVD可以降维 相对于PAC（主成分分析），SVD（奇异值分解）对数据的列和行都进行了降维，左奇异矩阵可以用于行数的压缩。相对的，右奇异矩阵可以用于列数即特征维度的压缩，也就是我们的PCA降维。一张二维n 阅读全文

摘要： 关键字：SVD、奇异值分解、降维、基于协同过滤的推荐引擎作者：米仓山下时间：2018-11-3机器学习实战（Machine Learning in Action,@author: Peter Harrington）源码下载地址：https://www.manning.com/books/machin 阅读全文

摘要： python利用Trie(前缀树)实现搜索引擎中关键字输入提示（学习Hash Trie和Double-array Trie） 主要包括两部分内容：（1）利用python中的dict实现Trie；（2）按照darts-java的方法做python的实现Double-array Trie比较：（1）的实 阅读全文

摘要： 代码来自https://github.com/wklken/suggestion/blob/master/easymap/suggest.py 还实现了缓存功能，搜索某个前缀超过一定次数时，进行缓存，减少搜索时间：将词后缀部分存储在节点 使用了词频信息，可以对返回的列表进行排序 使用dict实现tr 阅读全文