目录 一、有针对地选择文献... 2 1.关键词、主题词检索：... 2 2. 检索某个学者：... 2 3. 参考综述检索：... 2 4. 注意文章的参考价值：... 2 二：陌生领域如何阅读文献... 2 三：文献阅读... 4 1.先找5 篇跟自己论文最相关的外文文章... 4 2.如何读标 ...
分类：
其他好文 时间：
2017-12-10 18:27:55
阅读次数：
122
为了更好的促进自然语言处理的发展：包括分词、文本分类、命名实体识别、句法分析、信息抽取、知识库构建、主题词识别、自动摘要、智能问答、语义理解、对话生成、话题推荐、语言模型、机器翻译、语义表示等方面在中文中的快速发展和广泛使用，必须很好的掌握汉语语法知识以及汉语词义网络的构建。本篇主要介绍汉语语法，汉 ...
分类：
其他好文 时间：
2017-11-04 21:40:54
阅读次数：
572
随着科技的发展，拥有高容量、高速度和多样性的大数据已经成为当今时代的主题词。移动互联网、云计算、大数据的快速发展，使Python给开发者带来巨大的机会。Python 不仅仅是一个设计优秀的程序语言，它能够完成现实中的各种任务，包括开发者们日复一日所做的事情。 百度指数概况 整体趋势 选择Python ...
分类：
编程语言 时间：
2017-09-04 19:53:05
阅读次数：
182
数据表： 数据类型： 帮助的三种形式： 在cmd中输入： help 要帮助的主题词，或 ? 要帮助的主题词 或 \h 要帮助的主题词 。 数据表的创建： 插入： 下面通过sql命令往student中插入数据： 通过mysql workbench可以看到数据结构。 下面通过python连接并操控mys ...
分类：
数据库 时间：
2017-06-09 19:18:10
阅读次数：
306
以下代码是Jibbslda中计算(文档-主题)和（主题-词）矩阵的代码实现计算Theta(文档-主题)nd[m][k]是文档m被分配到主题k的单词数量ndsum[m]是文档m中单词的数量K*trnModel.alpha//因为所有的alpha,beta是一样的所以，K*alpha为所有alpha的和publicvoidcomputeTheta(){for(intm=0;..
分类：
其他好文 时间：
2017-05-09 17:46:24
阅读次数：
138
1、问题一LDA求出主题-词概率phi之后。可以知道每个主题下每个词的概率，之后怎么确定每篇文档的主题分布呢？在gibbs抽样稳定之后，统计每篇文档topic出现的频率就可以算出来。2、问题二每个主题下的词有可能是相同的，只是概率不同而已。统计时这个应该算在哪个主题下？3、问..
分类：
其他好文 时间：
2017-04-26 19:09:46
阅读次数：
175
对文章best title的选项进行打分 第1题结果成功输出到文件:savefile\\save1.txt成功得到结果:4.272724.311054.247894.24789答案是：B 正确 第2题结果成功输出到文件:savefile\\save2.txt成功得到结果:4.307854.31105 ...
分类：
编程语言 时间：
2017-01-24 21:52:39
阅读次数：
299
http://www.52ml.net/1917.html 主题模型LDA（latent dirichlet allocation）的应用还是很广泛的，之前我自己在检索、图像分类、文本分类、用户评论的主题词抽取等都用过，做feature、降维等。例如可以用主题维度来表示原来的字典维度，大大的降低了文 ...
分类：
其他好文 时间：
2016-12-22 14:55:29
阅读次数：
186
一．聚类算法： 1.1LDA算法： 算法的目的：对文本进行聚类，得到几簇相似的样本。 算法的流程： 预处理：统计sscCorpus中所有的词、词频、词的标号。 初始化：形成初始的文章-主题和主题-词的矩阵(最开始) Gibbs 采样：使用Gibbs采样得到稳定的文章-主题和主题-词的矩阵 每一簇的主 ...
分类：
编程语言 时间：
2016-12-12 22:05:44
阅读次数：
322
餐厅到店点餐系统需求分析 （版本v1.0.0） 成文信息 主题词： 需求分析 作 者： 14商软ETC 文档类别： 审 核： 批 准： 文档性质： 正式稿 主 送： 存档日期： 抄 送： 发布日期： 签收信息 发送方 接收方： 接收方： 接收方： 代表人： 代表人： 代表人： 代表人： 日期： 日期 ...
分类：
Web程序 时间：
2016-11-17 01:56:33
阅读次数：
1057
