TFIDF、TextRank和TopicRank源码算法实现关键词提取

文档介绍了tfidf算法的由来，对权重计算做了详细介绍，对tfidf的发展做了个综述

里面有TFIDF的实现过程，配有详细的注释

提取文本关键字，并附带关键字评分，可以控制提取个数，例如："我今天很开心，一口气买了好多东西！"；提取结果：[一口气/4.471413137990432, 今天/2.37971480120688, 开心/1.1111375260524337]

微博文本分析和可视化 0.数据来源和结构 新浪微博，爬虫链接： 微博内容数据结构（mongo数据库导出的json文档） content_example: [ {'_id': '1177737142_H4PSVeZWD', 'keyword': 'A股', 'crawl_time': '2019-06-01 20:31:13', 'weibo_url': 'https://weibo.com/1177737142/H4PSVeZWD', 'user_id': '1177737142', 'created_at': '2018-11-29 03:02:30', 'tool': 'Android'

相似性匹配系统 这个是一个《电商标题数据相似度匹配系统》，使用方法有：tfidf +词袋模型，余弦相似度，word2vec 1.基本方法 1.1结巴分词 1.2 TF-IDF 1.3余弦相似度 1.4 word2vec 2.项目：《电商标题数据相似度匹配系统》 2.1项目原理 2.2项目代码 ------------------------------------完------------- -------------------------------------------- 更多NLP知识请访问： 我的主页： : 我的博客： :

语义识别

爬取苏宁易购得到的空调商品评论，可用于数据分析学习，不得用作商业用途。

关于苏宁网站上的空调评论进行的数据分析，主要对中文文本进行各式各样的、全面的分析。

本资源为天津大学社会信息检索的一项大作业，基于爬取的语料库，总体实现了三个功能:TFIDF计算，两句子相似度计算，基于语料库的搜索引擎。 具体任务如下： 1) TFIDF: 给定用自己名字命名的文件夹，请自己爬取一定数量的网页、微博形成语料集合，存入该文件夹；在线状态下，对其中的词语进行TFIDF统计。 2) SIM: 在线状态下，从网页页面输入任意两个句子，求其相似度，包括：内积，余弦及Jaccard三种度量方式；同时，可实现对导入的文件夹语料的tfidf统计。 3）SJet：实现基于向量空间模型（VSM）的搜索引擎。