之前寫了對word2vec的一些簡單理解，實踐過程中需要對其參數有較深的了解： class gensim.models.word2vec.Word2Vec(sentences=None,size=1 ...

一直以來感覺好多地方都吧Word Embedding和word2vec混起來一起說，所以導致對這倆的區別不是很清楚。 其實簡單說來就是word embedding包含了word2vec，word2 ...

雖然早就對NLP有一丟丟接觸，但是最近真正對中文文本進行處理才深深感覺到自然語言處理的難度，主要是機器與人還是有很大差異的，畢竟人和人之間都是有差異的，要不然不會講最難研究的人嘞 ~~~~~~~~~ ...

了解主題模型，一般都會提到幾種最基礎的生成模型：Unigram model、Mixture of unigram，pLSA，接下來簡單介紹一下他們之間的區別： 1.Unigram model 左圖 ...

...

BTM的原理跟LDA很像，下面是該模型的概率圖： 由該圖可以看出來，與LDA的區別在於確定主題分布和詞分布后相應地取兩個詞（而LDA只取一個，即類比常見的骰子說法：先投擲K面的骰子得到主題z，再 ...

首先代碼如下： ...