Xingxin630的博客

原创 相似词的挖掘

背景 最近在公司实习，工作需求，需要挖掘一批类似“文化“、“土特产“这种词，这种词的特点之一是直接放在地域词后面，如北京朝阳区文化等，我们已有的语料包含很多query，每个query都是以地域词开头，后面跟着几个term，例如“北京教育怎么样“。 思路 首先我们先用分词工具把这些query分词，然后找到地域词＋文化／土特产＋X中的X，然后将X去重后排序，得到一系列的文化或者土特产的后缀词，然后