enwiki-latest-pages-articles1.xml-p10p30302.bz2，维基百科用来训练英文word2vec词向量的语料
2021-06-02 15:51:58
166.28MB
1
官网glove.6B的词向量，里面包含了50d、100d、200d、300d常用英文单词的词向量，来源于wiki百科和Gigaword数据集。
2021-06-01 08:42:18
867.45MB
1
训练好的词向量文件，很好用，也很丰富，基本的词汇里面都有，每个词向量300维度，给的百度云下载链接，压缩后1.5个G
2021-05-16 20:42:19
12KB
1
随着微博用户的增多，微博平台的信息更新频繁。针对微博文本的数据稀疏性、新词多、用语不规范等特点，提出了基于SOM聚类的微博话题发现方法。从原始语料中对文本进行预处理，通过词向量模型对短文本进行特征提取，降低了向量维度过高带来的计算量繁重问题。采用改进的SOM对话题进行聚类，该算法改善了传统文本聚类的不足，进而能有效地发现话题。实验表明该算法较传统文本聚类算法的综合指标F值有明显提高。
2021-05-14 10:23:31
1.18MB
1
关键词提取是诸多文本挖掘任务的前置任务，其精度直接影响了下游任务的性能。 以中文专利为研究对象，针对专利文本的特点，将关键词提取问题转换成词向量聚类问题，提出了一种基于cw2vec词向量的关键词提取方法，称为KEC。该方法首先利用科技文献的关键词以及开源词典构建领域词典；接着，基于领域词典对专利文本进行预处理获取候选关键词，并采用构建cw2vec模型获得候选关键词的词向量表示；最后，采用聚类算法提取最终的关键词。在真实的专利数据集上进行了实验验证，结果表明KEC在精确率、召回率、综合指标F1等指标项上优于现有的其他基于词聚类的关键词提取方法。
2021-04-30 17:03:00
1.29MB
1