一直想用这些,收藏起来!
原文:https://blog.csdn.net/valada/article/details/79909943
目前很缺乏质量好的中文近义词库,于是便考虑使用 word2vec 训练一个高质量的同义词库将“非标准表述”映射到“标准表述”,这就是 Synonyms 的起源。在经典的信息检索系统中,相似度的计算是基于匹配的,而且是 Query 经过分词后与文档库的严格的匹配,这种就缺少了利用词汇之间的“关系”。而 word2vec 使用大量数据,利用上下文信息进行训练,将词汇映射到低维空间,产生了这种“关系”,这种“关系”是基于距离的,有了这种“关系”,就可以进一步利用词汇之间的距离进行检索。所以,在算法层面上,检索更是基于了“距离”而非“匹配”,基于“语义”而非“形式”。
本话题将分享 Github 开源项目 - Synonyms 中文近义词工具包,主要内容如下:
- 应用场景
- 现有的近义词包
- N-gram 模型介绍
- word2vec 原理
- 使用的开放数据集
- 训练过程
- 计算句子相似度公式
- 待改进的地方
阅读全文: http://gitbook.cn/gitchat/activity/5a563545a8b23d387720ccd5