ByteCat

pytorch训练CBOW模型实践。

pytorch训练Glove模型实践。

分布表示研究了上下文的概率分布，认为上下文相似的词，其语义也相似，由此将语义引入到文本表示中，词与词之间有了距离的概念。

BM25是基于TF-IDF的改进算法，BM 是Best Match最佳匹配的缩写，25指的是第25次算法迭代。

文本分类是NLP中的最基础的一个任务，很多场景中都涉及到。

离散表示将文本视为离散的一个个词的组合，词与词之间没有距离的概念，主要有词集模型和词袋模型两种思想。

词的表示，就是把分词之后的字和词语表示成计算机能够计算的类型。

四种方法计算中文短句之间的相似度。

LangSegment是一个强大的多语言混合文本自动提取工具。

spaCy是世界上最快的工业级自然语言处理工具，支持多种自然语言处理基本功能。