摘要：import pytesseract from PIL import Image im=Image.open('image.png') print(pytesseract.image_to_string(im))安装注意： 环境变量需要配置两处 1、path 2、TESSDATA_PREFIX初始路径 pytesseract.pytesseract.tesseract_cmd = 'd://Tes 阅读全文

摘要：spaCy能够比较两个对象，并预测它们的相似程度。 预测相似性对于构建推荐系统或标记重复项很有用。 例如，您可以建议与当前正在查看的用户内容相似的用户内容，或者将支持凭单标记为与现有内容非常相似的副本。 每个Doc、Span和Token都有一个.similarity()方法，它允许您将其与另一个对象 阅读全文

摘要：官方文档： https://spacy.io/api Spacy功能简介 可以用于进行分词，命名实体识别，词性识别等等，但是首先需要下载预训练模型 pip install --user spacy python -m spacy download en_core_web_sm pip install 阅读全文

摘要：官方文档： https://radimrehurek.com/gensim/models/word2vec.html 1、训练模型定义 参数解释： 1.sg=1是skip-gram算法，对低频词敏感；默认sg=0为CBOW算法。 2.size是输出词向量的维数，值太小会导致词映射因为冲突而影响结果， 阅读全文

摘要：git-url: https://github.com/lancopku/PKUSeg-python pkuseg：一个多领域中文分词工具包 pkuseg简单易用，支持细分领域分词，有效提升了分词准确度。 主要亮点 pkuseg具有如下几个特点： 编译和安装 目前仅支持python3 为了获得好的效 阅读全文

摘要：一、jieba介绍jieba库是一个简单实用的中文自然语言处理分词库。 jieba分词属于概率语言模型分词。概率语言模型分词的任务是：在全切分所得的所有结果中求某个切分方案S，使得P(S)最大。 jieba支持三种分词模式： 全模式，把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决 阅读全文

摘要：url: https://github.com/fxsjy/jieba/blob/master/ jieba “结巴”中文分词：做最好的 Python 中文分词组件 "Jieba" (Chinese for "to stutter") Chinese text segmentation: built 阅读全文