![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
研究生的最后这一年
文章平均质量分 55
he_jin_jin
其实我还是不是太支持女生走计算机这条路,不过在硕士的期间还是要干好自己的事情。活在当下才能为今后的目标奠定好基础。
展开
-
关于我使用的分词工具的总结
目前来说我尝试的两大最好用的分词工具:一个是哈工大的ICTCLAS另外一个就是HANLP这两个工具对于我来说都是非常好的。在前期主要使用的是ICTCLAS,这个分词工具现在来说是非常的成熟的。可以进行分词以及词性标注。网上现在已经提供很多基于ICTCLAS的成品软件可以拿来使用,也可以找到ICTCLAS的工具包导入到工程里面自定义函数实现自己相应的功能。后来发现了HANLP发现HANLP更加的智能原创 2017-04-21 16:43:03 · 483 阅读 · 0 评论 -
基于用户画像对于论文的考虑
其实用户画像是一个很好的东西,但是就是数据不好弄,之前老师给我的选题就是基于海尔数据的用户画像。但是更不靠谱的是老师根本没有办法给我数据,那么这个选题就是他妈纯扯淡,让我上哪里搞用户的多维度数据?但是如果技术到位的话,就可以尝试把PC上的软件列表,软件使用记录、浏览器访问记录都抓取下来,然后做一个关键词的分词工作。或许会分析出很多类似的纪录片段。用NoSQL的Key-Value形式记录,如下所示:原创 2017-06-12 10:16:07 · 1674 阅读 · 2 评论 -
CBOW
本文简述了以下内容: 神经概率语言模型NPLM,训练语言模型并同时得到词表示 word2vec:CBOW / Skip-gram,直接以得到词表示为目标的模型 (一)原始CBOW(Continuous Bag-of-Words)模型 (二)原始Skip-gram模型 (三)word analogy神经转载 2017-07-12 10:13:17 · 14388 阅读 · 0 评论 -
从mysql中导出一列数据到txt
因为需要用到从师哥哪里获取到的mysql的评论数据,由于评论数据涉及到好多种属性,而我只需要获取其中的评论内容属性,对评论内容进行自然语言处理,所以就考虑到了将mysql中的数据导入到txt文件当中进行一系列的操作。首先:启动数据库:net start mysql第二:在DOS命令窗口输入 mysql -hlocalhost -uroot -p回车 进入mysql数据库,其中-h表示服原创 2017-06-11 15:47:23 · 14804 阅读 · 0 评论 -
在dos下登录退出mysq
Windows下使用DOS命令进入MySQL数据库桌面左下角windows图标--搜索框内输入cmd,结果如图所示,点击cmd.exe,或者使用快捷键Windows键(在键盘上有个Windows标志的按键)+R输入cmd后回车。(图略)启动mysql数据库:在出来的DOS命令窗口中输入 net start mysql,或者使用快捷键Windows键(在键盘上有个Windows标志的原创 2017-06-11 12:47:32 · 3128 阅读 · 0 评论 -
CBOW and Skip-gram model
转自:https://iksinc.wordpress.com/tag/continuous-bag-of-words-cbow/清晰易懂。Vector space model is well known in information retrieval where each document is represented as a vector. The vector compo转载 2017-07-11 19:17:35 · 733 阅读 · 0 评论 -
名词过滤(正则表达式)
分词以及词性标注以后不知道词语拿来有什么用。因此就想了半天如何提取里面的名词。之前已经写过一篇《Java学习笔记之Pattern类的用法详解(正则表达式)》从里面已经学到了很多的正则表达式,因此也对我后期的研究有了一些启发。另外,由于我想知道怎样让多个正则表达式一起起作用,于是我又看了一篇博客:《 Java String.Split(String regex)方法之设置原创 2017-06-22 12:06:01 · 1118 阅读 · 0 评论 -
Java学习笔记之Pattern类的用法详解(正则表达式)
转自:http://www.cnblogs.com/Lowp/archive/2012/09/22/2698574.htmljava.util.regex.Pattern (摘自sun主页)Implements: Serializable 正则表达式的编译表示形式。指定为字符串的正则表达式必须首先被编译为此类的实例。然后,可转载 2017-06-21 21:10:41 · 656 阅读 · 0 评论 -
文本挖掘之特征选择(python实现)
机器学习算法的空间、时间复杂度依赖于输入数据的规模,维度规约(Dimensionality reduction)则是一种被用于降低输入数据维数的方法。维度规约可以分为两类:特征选择(feature selection),从原始的d维空间中,选择为我们提供信息最多的k个维(这k个维属于原始空间的子集)特征提取(feature extraction),将原始的d维空间映射到k维空间中(新的k维转载 2017-06-03 15:16:14 · 6586 阅读 · 6 评论 -
关于HANLP的乱码问题
在利用HanLP进行分词的时候,我将一篇新闻txt读入之后分词出现了这种情况:一大篇文字就转化成了乱码,刚开始我不明白是什么问题,后来上网搜也搜不到,后来突然想到可能是txt文档的编码有问题。于是我打开我的输入文件然后另存为一遍,发现它默认的是ANSI格式的文档,怪不得读出来会是乱码。后来我将文档另存为,并更改为utf-8的编码格式,再进行一遍分词操作,之前的问题就解决了。原创 2017-06-06 19:42:33 · 1297 阅读 · 0 评论 -
文本相似度十大方法简要说明
1、余弦相似性余弦(余弦函数),三角函数的一种。在Rt△ABC(直角三角形)中,∠C=90°,角A的余弦是它的邻边比三角形的斜边,即cosA=b/c,也可写为cosA=AC/AB。余弦函数:f(x)=cosx(x∈R)这是一个非常常见的算法,相信大家都应该学过余弦定理了,简单来说这个算法就是通过计算两个向量的夹角余弦值来评估他们的相似度。假设向量a、b的坐标分别为(x1,y1)原创 2017-04-21 17:13:39 · 1957 阅读 · 1 评论 -
关于mysql无法单独输出数据以及navicat for mysql 的那些坑
之前我用的是mysql5.7.5,但是mysql在这个版本上面加了一个权限,这个权限是保护数据输出输入安全的,一般是需要在my.ini里面增加secure_priv_file来改变输入输出权限,之前设置过一次,成功了,但是后来不知道为什么在自己的笔记本上无论怎么设置都改变不了权限。后来果断换了 mysql5.5。之前在使用mysql5.7.5时,将数据库设置为了无密码,但是后来我换成了5.5之后密...原创 2018-04-03 16:19:39 · 367 阅读 · 0 评论