l294265421 / train_word2vec_and_cluster_word
使用gensim训练word2vec模型并对训练得到词向量聚类
☆15Updated 7 years ago
Alternatives and similar repositories for train_word2vec_and_cluster_word:
Users that are interested in train_word2vec_and_cluster_word are comparing it to the libraries listed below
- 根据自己搭的 LTP 服务器,实现:分词、词性标注、命名实体识别、依存句法分析、语义角色标、命名实体的抽取:人名,地名,机构名、三元组的抽取:主谓宾,动宾关系,介宾关系,(实体1,关系,实体2)☆145Updated 7 years ago
- 基于句法分析的命名实体关系抽取程序☆65Updated 8 years ago
- AI-Challenger Baseline 细粒度用户评论情感分析☆226Updated 6 years ago
- 关于文本分类的许多方法,主要涉及到TextCNN,TextRNN, LEAM, Transformer,Attention, fasttext, HAN等☆74Updated 6 years ago
- 该项目是短文本分类,目前应用于新闻标签的分类☆32Updated 7 years ago
- 基于siamese-lstm的中文句子相似度计算☆130Updated 6 years ago
- 使用word2vec进行中文词向量的 训练☆91Updated 7 years ago
- 基于依存句法的句子级细粒度情感计算☆27Updated 7 years ago
- 在bert模型的pre_training基础上进行text_cnn文本分类☆78Updated 5 years ago
- 评论上的情感分析:主题与情感词抽取☆81Updated 4 years ago
- Sentiment Classifier base on traditional Maching learning methods, eg Bayes, SVM ,DecisionTree, KNN and Deeplearning method like MLP,CNN,…☆142Updated 6 years ago
- 文本特征提取,适用于小说,论文,议论文等文本,提取词语、句子、依存关系等特征。python开发。☆41Updated 6 years ago
- 嵌入Word2vec词向量的RNN+ATTENTION中文文本分类☆151Updated 4 years ago
- CNN, LSTM, NBOW, fasttext 中文文本分类☆120Updated 5 years ago
- 基于情感词典的文本情感极性分析☆25Updated 7 years ago
- Syntax and Ruler-Based Doc sentiment analysis 基于依存句法规则的篇章级情感分析demo☆107Updated 5 years ago
- 基于python gensim 库的LDA算法 对中文进行文本分析,很难得,网上都是英文的,基本上没有中文的,需要安装jieba分词进行分词,然后去除停用词最后才能使用LDA☆134Updated 5 years ago
- 利用Doc2Vec计算文本相似度☆137Updated 6 years ago
- 搜狗新闻语料训练的word2vec中文模型☆68Updated 6 years ago
- 使用Python进行自然语言处理相关实践,如新词发现,主题模型,隐马尔模型词性标注,Word2Vec,情感分析☆51Updated 5 years ago
- 细粒度情感分析repository1:Wai Mai Opinion Miner,细粒度情感分析系统GUI demo。☆112Updated 8 years ago
- 这是本人第一次数据算法比赛实录。主要整理记录2017年CCF大数据与计算智能竞赛使用的模型和实现代码,选择了基于主题的文本情感分析赛题。采用情感词典+自定义规则完成比赛,成绩:136/796。☆49Updated 7 years ago
- lda模型的python实现☆30Updated 9 years ago
- 细粒度用户评论情感分析☆121Updated 6 years ago
- NLP 以及相关的学习实践☆40Updated 2 years ago
- CSDN博客的关键词提取算法,融合TF,IDF,词性,位置等多特征。该项目用于参加2017 SMP用户画像测评,排名第四,在验证集中精度为59.9%,在最终集中精度为58.7%。启发式的方法,通用性强。☆30Updated 7 years ago
- 基于bert的ner,使用bilstm+crf☆32Updated 3 years ago
- 基于ltp的 简单评论观点抽取模块☆116Updated 6 years ago
- 微信广告正负样本短文本分类 word2vec+CNN实现☆26Updated 6 years ago
- AI Challenger 2018 Sentiment Analysis Baseline with fastText☆151Updated 6 years ago