在文件(10MB+)中搜索出现在相似上下文中的关键字(小于512个单词的长度)
在云计算领域，实现在文件中搜索出现在相似上下文中的关键字可以通过以下步骤来完成：
- 文件上传：首先，将要搜索的文件上传到云存储服务中，例如腾讯云的对象存储 COS（https://cloud.tencent.com/product/cos）。
- 文本提取：使用云原生的文本提取服务，例如腾讯云的自然语言处理 NLP（https://cloud.tencent.com/product/nlp），对上传的文件进行文本提取，提取出文件中的所有文本内容。
- 关键字提取：利用自然语言处理技术，提取出文件中的关键字。可以使用腾讯云的关键词提取 API（https://cloud.tencent.com/document/product/271/35496），该 API 可以根据文本内容自动提取出关键字。
- 上下文分析：对于每个关键字，可以使用文本相似度算法，例如余弦相似度或 Jaccard 相似度，来计算关键字在文件中的相似上下文。可以使用腾讯云的自然语言处理 NLP 中的文本相似度计算 API（https://cloud.tencent.com/document/product/271/35497）。
- 搜索结果展示：根据相似上下文的计算结果，将搜索到的关键字及其相似上下文展示给用户。可以使用前端开发技术，例如HTML、CSS和JavaScript，设计并实现一个用户友好的搜索结果展示界面。
推荐的腾讯云相关产品：
- 对象存储 COS：提供高可靠、低成本的云端存储服务，用于存储上传的文件。
- 自然语言处理 NLP：提供文本提取、关键词提取和文本相似度计算等功能，用于处理文件中的文本内容。
- 云函数 SCF：提供无服务器的计算服务，可以将上述步骤封装成一个函数，实现自动化的文件搜索功能。
以上是一个基本的实现思路，具体的实现方式和产品选择可以根据实际需求和技术偏好进行调整。
相关·内容
我需要返回一个包含关键字的文本。让我们考虑以下示例： keyword = "configure"
texts = [
"The system configuration document should be uploaded to the repository. Please contact the dev team.",
"To do the system setup, please follow the instructions."
] 关键字configure不会出现在任何文本中。但类似的单词configuration出现
浏览 43提问于2020-11-09得票数 1
1回答
给定一个描述情况或方法的字符串，是否有算法利用它创建指纹，将其与语料库进行比较，然后指向正在讨论相似概念的页面？
简单的形式是单词搜索。
您搜索的单词X和X出现在一个文本，其节选显示给你。
这是下一步。
你在没有写"X“的情况下描述X，因此你得到了文本摘录，其中X也是用不同的短语(甚至单词)来描述的，不管有没有明确提到"X”。
你如何搜索内容，而不是文字？
提示:我正在寻找这个问题的技术术语，以找到研究论文。
浏览 0提问于2021-03-14得票数 1
回答已采纳
出于所有明显的原因，我不喜欢用保留字(即Set)命名对象。
因此，当SSMS用蓝色高亮一个单词时，我会重新考虑我对对象的命名。
每隔一段时间，我就会看到一个突出显示的单词，它似乎不在保留字的列表中。在这种情况下，单词pool。
SSMS是否使用更严格的惯例来突出保留的单词？
浏览 0提问于2016-09-03得票数 1
回答已采纳
1回答
我在PHP中使用这样的查询来按标题和内容查找帖子：
SELECT * FROM `db_table` WHERE MATCH(ptitle, pcontent) AGAINST ("+'.$search.'*" IN BOOLEAN MODE)
它运行得很好，但是当我搜索一个像西班牙文章('el'，'la')这样的简短单词时，我遇到了麻烦。
例如，当我试图在其他帖子中找到标题为"El Perro“的帖子时，我执行以下搜索，然后得到：
nothing."Perro“"El Perro”-> ->
浏览 4提问于2020-04-29得票数 0
2回答
我正在尝试备份我的编程，并学习一些我不知何故遗漏的东西(除非我不理解这个问题)。我试图提示用户输入项目的名称，并且我希望将该名称存储在一个变量中。通常我会使用getline()或std::cin >> std::string some_string，但赋值要求我这样做，而不使用字符串。“您不能使用string类-而是使用字符的数组。”这就是问题所在:如何获取用户输入并将其存储在字符数组中？
用户将输入一个单词，然后按enter...如何将其捕获到一个字符数组中？如果单词一次出现在一个字符中，我可以将其添加到数组中，如果需要，可以动态扩展，但是当它出现在像这样的字符块中时，我就失去了
浏览 1提问于2012-04-03得票数 3
2回答
使用LDA的相似单词
、、、
我希望将LDA算法应用于语料库，以便在给出一个单词或短语作为输入时找出相似的单词。如何做到这一点？
另外，LDA会忽略文档中单词的顺序吗？它是否也忽略了文档在语料库中的顺序？
也可以使用一些其他策略来搜索相似的单词。文档中单词的顺序并不重要，因为我使用的是文档的语言，也就是说，我的文档是一个单词的袋子，单词的顺序并不重要。
浏览 1提问于2017-06-27得票数 0
在CBOW中，每个单词都有输入向量和输出向量，或者上下文向量和自向量，上下文集合了周围的单词，如果上下文也包含中心单词的输入向量，怎么办？
浏览 0提问于2021-03-09得票数 0
1回答
在为CBOW构造训练数据时，Mikolov等人建议使用上下文窗口中心的单词。在句子开头/结尾捕获单词的“最佳”方法是什么(我在引号中放得最好，因为我确信这取决于任务)。我在网上看到的实现执行如下所示：
for i in range(2, len(raw_text) - 2):
context = [raw_text[i - 2], raw_text[i - 1],
raw_text[i + 1], raw_text[i + 2]]
我认为这种做法产生了两个问题。
问题1:这种方法将不平衡的焦点放在句子的中间。例如，句子的第一个单词只能出现在一个上下文窗口中
浏览 0提问于2020-09-04得票数 1
回答已采纳
当我检查我的网站在谷歌网站管理员工具，然后关键字'angeethi‘显示在第三位的重要性。但是，当我在谷歌搜索“angeethi”时，该网站甚至不会出现在“angeethi”关键字的前15页中。这背后的原因是什么，应该做些什么来改善呢？
浏览 0提问于2013-05-14得票数 1
2回答
我想知道我应该申请哪一种语言。
它们是给出的句子和单词的列表。我们必须找到第一个最短的子段，其中包含单词列表中的所有单词。
例：
这是我解决过的最好的问题
文字清单-
是
最好的
这
答案应该是：
这是最好的
如果有许多这样的子段，那么我们必须打印一个包含最少的单词，并出现在句子的第一个。
浏览 2提问于2012-06-30得票数 2
我正在Python语言中使用gensim开发word2vec模型，但我发现结果是具有相同主题的单词，同义词只是结果的一部分。
我能根据我所做的工作找到一个单词的同义词吗？
任何回复都将不胜感激！
浏览 2提问于2017-06-06得票数 7
1回答
我正在尝试应用word2vec/doc2vec来找到类似的句子。首先，考虑word2vec的词相似性。我所理解的是，CBOW可以用来在给定的上下文中找到最合适的单词，而Skip-gram是用来查找给定某个单词的上下文的，所以在这两种情况下，我都得到了频繁发生的单词。但是找到类似的词是如何工作的呢？我的直觉是，由于相似的词往往发生在相似的语境中，所以词语的相似性实际上是从上下文/共现词之间的相似性来衡量的。在神经网络中，当隐层上的某个词的向量表示传递到输出层时，它输出共现词的概率。因此，共现词对某些词的向量有影响，而且由于相似词有相似的共现词集，它们的向量表示也是相似的。为了找到相似度，我们需要
浏览 0提问于2017-12-05得票数 1
回答已采纳
2回答
扫描特定单词的文本
、、、
我想要创建一个算法，在工作描述中搜索给定的单词(如Java、角、Docker等)。我的算法很有效，但相当幼稚。例如，如果单词Java包含在另一个单词(如JavaEE)中，则无法检测它。当我检查子字符串时，我遇到的问题是，例如，在单词JavaScript中识别了Java，这是我想要避免的。当然，我可以在这里做一个明确的案例区分，但我更多的是在寻找一个通用的解决方案。
有什么特殊的技术或方法来解决这个问题吗？
不幸的是，我没有像机器学习这样的数据驱动方法所必需的数据量。
浏览 10提问于2022-03-22得票数 2
回答已采纳
我很好奇，为什么新的C++11关键字override必须以与const一致的方式出现在方法声明之后，而不是virtual
class SomeBaseClass {
virtual void DoPolymorphicBehavior() = 0;
...
class SomeDerrivedClass : public SomeBaseClass {
void DoPolymorphicBehavior() override;
...
为什么不允许它处于相同的位置(甚至是virtual )？
class SomeBaseClass {
virtual
浏览 2提问于2013-02-28得票数 6
回答已采纳
在狮身人面像中，我可以设置最小的单词前缀长度，使索引具有min_prefix_len属性。
我想为不同的字段设置不同的min_prefix_len值。例如，我有一个字段'Name‘，我想设置min_prefix_len =5，而另一个字段'Class’应该设置为3，换句话说，我希望设置每个字段的min_prefix_len，而不是每个索引。在狮身人面像搜索引擎的配置中可以做到这一点吗？
浏览 0提问于2018-05-07得票数 0
回答已采纳
1回答
我正在尝试调整余弦相似度，以确定两个向量相对于条目的相似度。由于所获得的度量在向量尺度{(0，1，2)和(0，2，4)具有余弦相似度1}下是不变的，那么扩展相似性度量以说明初始向量尺度的方法是什么？我想乘以min{|v1|，|v2|}/max{|v1|，|v2|}，其中|v|表示向量v范数，以保持-1和1的界限。任何建议都是非常感谢的。
浏览 2提问于2012-01-06得票数 1
回答已采纳
1回答
我有一套十节圣经的英文经文。我想在文本中检测出这些诗句中的任何一段。做这件事最好的方法是什么？
请注意，圣经的经文在不同的译文中的措辞是不同的。例如，“因为他关心你而把你所有的焦虑抛在他身上”这句话在其他翻译中是这样存在的：
[新译]把你一切的心思都托付在他身上，因为他在乎你。
ESV把你所有的焦虑都投在他身上，因为他关心你。
将你所有的忧虑和忧虑都交给上帝，因为他关心你。
此外，人们在写诗时可能会打字或出错。
你认为语义搜索是最好的方法吗？如果是这样的话，我是否使用一个相关的单词嵌入模型，在我的10节诗集上重新训练它，然后搜索我的文本来查找这些诗句的出现情况？
搜索机制将如何运作？我是否得到
浏览 0提问于2020-09-14得票数 2
2回答
查找哪些单词可能与单词X一起出现
、、、、
找出某个单词X附近出现频率最高的单词的最好方法是什么？(注:不是哪些单词与单词X最相似)
我有GloVe单词向量，所以每个向量代表一些单词在不同环境中的分布(每个维度都是一个环境)。那么如何从这些环境中检索单词呢？换句话说，我如何检索只在一个维度上相似的单词？
我试着只在一个维度上寻找与X更接近的单词，忽略了其他维度，但这给了我垃圾单词。
到目前为止，我所做的是找到与单词X最接近的N个单词(通过余弦相似度)，然后对这些单词应用K-means聚类。它工作得很好，但我担心最近的N个单词不一定是出现在单词X附近的单词，而是出现在与单词X相似的环境中的单词。
编辑:澄清:简单地收集n-gram计数是不
浏览 0提问于2017-10-28得票数 0
4回答
我试图在IT领域的职称之间定义一个度量标准。为此，我需要一些没有出现在同一个职称中的职称词之间的度量，例如单词之间的度量。
高级，初级，领导，领导，副总裁，董事，人员，校长，主任，
或者说那些话
分析师，专家，建模师，研究员，科学家，开发人员，工程师，建筑师。
我怎样才能用距离得到所有这些可能的词呢？
浏览 0提问于2014-07-21得票数 8
基本上，我有一个巨大的表(30m记录)，它的一个列上有一个fulltext索引。
搜索查询如下所示：
... WHERE MATCH(body) AGAINST('+Hello +my*' IN BOOLEAN MODE) ...
我的存储引擎是InnoDB，所以我们有一些限制：
最小字长为3个字符。
然而，文件中说：
如果一个单词是用截断运算符指定的，那么它就不会从布尔查询中删除，即使它太短(从ft_min_word_len设置中确定)或停止词。之所以会出现这种情况，是因为该词并不被视为太短或不可用的词，而是必须以以前缀开头的单词的形式出现在文档中的前缀。假设f
浏览 0提问于2018-09-19得票数 1
回答已采纳
我已经在这里做了我的尽职调查，我不确定系统注册是否会影响到一个单词的大小？但从一个快速的谷歌，它似乎是明确的答案是，一个字是2字节(16位？)数据。据我所知，一个短数据也是16位数据。
一个单词是两个字节，一个短是16位(00000000,00000000，对0000000000000000)，为什么我们有两种类型的数据类型(至少非常相似)？
两者之间的差别是否更细微，比如操作系统级别的问题，类似于为什么微软会给他们的BOOL命名BOOL等等？
谢谢:)更好的是参考资料，因为当我的搜索结果抱怨时，很难搜索到这些主题而没有得到短篇小说。
是的，哈哈字和DWORD是我所指的类型，并且正在开发一个运
浏览 12提问于2022-09-09得票数 0
2回答
我们要做的是创建一个文本搜索来匹配“Any Word”类型。该表的设置示例如下：
ID | Keyword
-------------
1 | alpha, beta, charlie
2 | bravo, delta, echo
3 | alpha, delta, foxtrot
到目前为止，我们尝试的查询如下：
SELECT keyword FROM KeywordTest
WHERE keyword
IN (select Value FRom split('alpha, beta, charlie',','))
我们认为我们会得到两
浏览 2提问于2011-02-09得票数 1
回答已采纳
1回答
我有一个由类型字符串数组填充的tableView。字符串中的一些单词包含连字符(-)。我知道我可以过滤一个tableView，并让它删除这个字符，如果我想。在搜索过程中是否可以忽略字符，但它是否仍然出现在tableView中？我感兴趣的是通过准确的单词搜索而不是.contains参数进行过滤。
示例：
数组=“一”、“二”、“三-”
个人搜索“t”：没有返回
个人搜索“二:搜索返回”二“
个人搜索“三”：搜索返回“三-”
浏览 3提问于2017-11-27得票数 1
回答已采纳
1回答
我的目标是找出大约10,000个单词之间的相似之处。我使用的是wordnet库的“word.path_similarity(其他词)”方法，但是我为path_similarity获得的结果在0-0.1之间，而不是分布在0-1之间。10,000个随机词之间的相似之处怎么可能在这个狭窄的范围内结束呢？
是否有更好的方法来使用WordNet来寻找两个单词之间的相似性？
浏览 1提问于2015-04-22得票数 0
我有一个带有关键字搜索的PHP接口，处理一个包含关键字字段的DB(MySQL)。
关键字字段的设置方式如下所示，它是一个varchar，其所有单词的格式如下所示.
他们，他们的，他们的，热的等等.
如果我只想从搜索中返回确切的单词“the”，这是如何实现的呢？
我尝试在PHP中使用'the%'和'%the'，但由于没有返回关键字出现在其中的行的所有，所以无法工作。
有没有更好(更准确)的方法去做这件事？
谢谢
浏览 8提问于2012-11-05得票数 4
回答已采纳
我正在尝试使用搜索服务api搜索主题，并希望使用多个单词来缩小搜索结果的范围。例如，搜索"Tide“将返回许多结果，这些结果反映了该词的不同含义以及Freebase中的不同主题。然而，由于我对与Tide作为洗涤剂和品牌有关的主题特别感兴趣，我希望通过在搜索字符串中添加信息性的单词来查找结果。例如，通过搜索"Tide+detergent+household+soap“，我希望提高潮汐与洗涤剂等相关的结果的分数。我原本预计这样的搜索将基于某种向量空间评分，因此不需要所有的术语都出现在索引主题文档中。但是，由于查询不能返回结果，所以看起来好像所有的单词都必须出现。
https://w
浏览 0提问于2012-10-16得票数 3
回答已采纳
我正在分析我上传到R的演讲。我的数据帧包括每个演讲的一行，其中包含元数据和演讲的整个文本。
但是-我不想只分析整个演讲，还想找到一种方法来分析特定单词周围的文本块。例如，引用“RED”前后的50个单词...有没有办法创建一个新的数据帧--每一行都是分段的文本，我也会设法保留元数据(它不是同一张表，因为对“红色”的引用比演讲更多--所以在一次演讲中，“红色”周围可能有4个片段，有些根本没有任何引用。
谢谢!
浏览 10提问于2016-08-20得票数 1
1回答
我试图建立一个搜索引擎来查询一个文件夹的文件。在线教程建议，我们应该通过对所有单词的向量进行平均来获得文档的向量，然后将相似度与查询的向量进行比较。
我是否可以知道，文件中所有词语的向量如何保留这些词语的信息？
如果我检索查询中类似的单词并检查这些单词是否在每个文档中，会更好吗？
浏览 0提问于2021-10-07得票数 1
2回答
显示“谷歌喜欢”搜索结果
、、、
在ASP.NET (VB)中工作，我试图为我的网站开发一个简单的搜索结果页面。
这一过程如下：
网站的用户输入一个搜索短语；搜索结果页搜索站点的数据库，返回页面标题作为链接，并从每个搜索“命中”返回一个简短的片段，并突出显示搜索短语。
我已经完成了搜索部分，也完成了“突出显示”部分完成(使用Regex)。但是，我希望能够返回一个简短的文本片段，其中包括搜索短语(搜索短语之前的几个单词，后面的几个单词)。类似于：
页面标题作为链接
..。yada 搜索短语 yada yada ..。
浏览 7提问于2010-05-02得票数 2
我有一些JavaScript，我想在HTML中搜索一个类名，然后检测该div中的两个元素的高度，将它们相加，并在警报中显示总高度。下面的代码似乎运行得很完美，但是我注意到，不管类名是什么，代码都会运行，即使该类不存在于HTML中。如何重写if语句，使其只在遇到具有指定类名的div时运行代码？我不希望它检测到错误的h1和p元素的高度。谢谢你的帮助。
HTML:
<div class="testing">
<h1>Understanding Scope</h1>
<p>By understanding code'
浏览 0提问于2015-05-28得票数 0
回答已采纳
2回答
我目前正在用和Oracle构建一个简单的搜索页面。
我想向用户展示匹配文本的片段(第一个实例将这样做)，以添加SQL找到的内容的一些上下文。
示例：
搜索词：“鱼”
结果:亨利非常喜欢去__ing，一旦他.
我不确定如何才能做到这一点--我可以检索整个文本块，并在Node中这样做，但我不太喜欢将整个文本拖到应用程序中的想法，只是为了得到一个片段。
我一直在想REGEXP_SUBSTR可能是这么做的.但我不确定是否可以使用正则表达式来检索匹配单词前后的x字符数量。
我有正确的想法吗?还是我走错了路？
谢谢
SELECT text
, REGEXP_SUBSTR(LOWER(text),
浏览 2提问于2015-09-18得票数 1
回答已采纳
1回答
我正在使用太阳黑子gem在rails应用程序中的搜索功能。我在solr搜索中的单词近似性有问题。例如，我正在搜索"Hello World"，solr会给我正确的搜索结果。但是在第一个文档中"Hello World“字符串只出现了一次，而在第二个文档中它出现了两次。
但我想要的是，如果字符串在任何文档中出现的次数较多，则会出现在顶部，而字符串出现的次数较少，出现在顶部结果之后。
我们将非常感谢您的帮助。谢谢
浏览 0提问于2015-05-21得票数 1
2回答
我使用Vim作为我的终端编辑器，而我注意到的一件事是，默认情况下，它会标记某些单词，比如'status‘黄色。这是一张截图：
我有点困惑，因为我不确定这是否意味着我没有在我的模型对象中使用这个词？
浏览 4提问于2015-06-08得票数 2
回答已采纳
让我们假设我们有一个适度增长的文档语料库，即每天都有一些新文档添加到这个文档语料库中。对于这些新添加的文档，我可以只使用LDA的推理部分来推断主题分布。我不需要再次对所有文档执行LDA的整个主题估计+推理过程，只为了获得这些新文档的主题分布。但是，随着时间的推移，我可能需要重新执行整个主题生成过程，因为自上次执行LDA以来新添加的文档数量可能会向文档语料库中添加全新的单词。
现在，我的问题是-如何确定两个主题生成执行之间的足够好的间隔？对于我们应该多久执行一次整个文档语料库的LDA，有什么一般性的建议吗？
如果我保持这个间隔很短，那么我可能会失去稳定的主题分布，并且主题分布将不断变化。如果我保
浏览 3提问于2015-10-15得票数 1
"to“关键字在SQL中有什么作用，特别是POSTGRESQL。
我可以验证它是一个关键字。
然而，搜索像" to“这样的简单单词是非常困难的。
它不会出现在这里，例如：
我不知道这是特定于POSTGRESQL还是更通用的...
浏览 0提问于2021-02-12得票数 1
好的，这是我的搜索结果项目的一部分，在它里面，我有从多个表返回的描述。所有这些部分都是100%有效的。
我目前使用的是一个trim_text函数，我传递一个字符串，以及我想要保留多少个单词。
但是，现在我需要修改它，以确保关键字/搜索词在返回的描述中，以帮助显示搜索结果中的有效性。
下面是现有的trim_text函数，我需要您的帮助来修改它。
<cffunction name="trim_text" output="false" access="remote" returntype="string">
<
浏览 4提问于2011-03-09得票数 0
回答已采纳
全部：
我想知道是否有任何方法可以使用lucene来基于搜索历史发现搜索关键字相关性？
例如：
该代码可以读取用户搜索字符串，对其进行解析，提取关键字，并找出搜索时最有可能聚集在一起的单词。
当我尝试Solr时，我发现lucene有很多文本分析功能，这就是为什么我想知道是否有任何方法可以使用它并与其他机器学习库(如果需要)相结合来实现我的目标。
谢谢
浏览 0提问于2015-04-29得票数 2
1回答
如果我搜索单词hello，则没有匹配，而搜索单词hella，则得到匹配。同样的事情发生在单词Non上。我在Mac和sqlfiddle.com上对MAMP进行了测试，结果相同。你知道为什么吗？下面是用于测试的：
CREATE TABLE IF NOT EXISTS `product` (
`id` mediumint(8) unsigned NOT NULL auto_increment,
`name` TEXT default NULL,
PRIMARY KEY (`id`)
) ENGINE=MyISAM AUTO_INCREMENT=1;
INSERT INTO `produ
浏览 0提问于2014-08-28得票数 0
回答已采纳
我被困在一项任务中，正在向你们寻求帮助。我想要的解决方案是在两列中找到常用的单词。如果一个词在两个单元格中很常见，它必须出现在另一列中。我们不需要只在一栏中使用单词。
请看一下共享链接。
这里还显示了一个截图：
浏览 2提问于2020-12-05得票数 0
回答已采纳
2回答
我对机器学习和神经网络非常陌生。我用下面的模型来分析短文的情感。我通常理解信号是如何计算的，一直到输出层。现在我不明白的是输入是如何被找到的。当模型对一个单词进行分类时，如何将该单词转换为512输入单元？模型评估了这个词的哪些特征，这是如何决定的？
model = Sequential()
model.add(Dense(512, input_shape=(max_words,), activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(256, activation='sigmoid
浏览 2提问于2020-11-14得票数 1
回答已采纳
1回答
词聚类
、
我有一个单词列表。我正在寻找一种将这些单词在语义上聚在一起的方法。谁能告诉我有什么库或工具可以做到这一点？我已经在网上搜索了很多，但没有适合我的要求。大多数单词都是技术性的，所以在任何字典中都找不到。我想在单词列表上执行本体聚类。
浏览 1提问于2013-04-25得票数 3
回答已采纳
2回答
我有大量的字符串(可能是1,000,000+)，我想搜索另一个字符串(文档)，以查看这些搜索字符串中哪一个出现在文档中。
并不是所有的搜索字符串都是一个单词，所以这不仅仅是在搜索字符串列表中搜索文档中的每个单词的情况。
这样做最有效的方法是什么？
我将对大量文档(来自提要)执行此操作，并且需要足够快地处理这些文档，而不是它们即将进入的时间(最理想的情况下是一两秒钟)。
我可能会想出一个停止词的列表，这些词不会出现在搜索字符串中(例如' the '，'and')。
理想情况下，解决方案将使用Java，但这不是必需的，因为我总是可以将代码移植到Java中。如果有任何
浏览 3提问于2013-09-13得票数 0
回答已采纳
3回答
上个月，我一直在研究单词嵌入和最著名的预先训练过的单词嵌入、Word2Vec、GloVe、FastText等。我已经读过很多次，在做给定的任务时利用预先训练过的模型是多么重要，但是我不明白一个经过训练的模型如何能够适应我给定的语料库。此外，如果我的新单词没有出现在预先训练的模型中，我能使用这个预先训练的模型来学习新单词的嵌入吗？
浏览 0提问于2021-04-10得票数 2
我想在“在字符串中搜索”列中为每一行搜索“search_value”，如果search_value中由|分隔的任何单词出现在“在字符串中搜索”中，则返回TRUE。
提前感谢
浏览 0提问于2020-10-21得票数 2
我要做的是用输入将单词添加到数组中，然后在添加单词时将它们显示在列表中。所以我做了一个函数来呈现列表，并对每个列表使用一个函数，然后在函数中使用这个函数将单词推入数组中。问题是，当您添加单词时，for each会执行并复制所有的单词。
如果将树作为单词添加，则得到输出: tree
如果你加兔子，你得到输出:树，树，兔子
如果你想加入猎鹰，你就会得到:树、树、兔、树、树、兔、鹰。
这是代码
const renderPass = function (array, location) {
array.forEach((element) => {
let html = `<
浏览 4提问于2022-06-10得票数 0
1回答
当文档长度非常不同时(例如，文档长度从500字到2500字不等)，我搜索了关于规范tf等级的网页。
我发现的唯一的规范化讨论是将术语频率除以文档的长度，从而导致文档的长度没有任何意义。
但是，这种方法对tf的规范化来说是非常糟糕的方法。如果有的话，这会导致每个文档的tf等级有很大的偏差(除非所有文档都是从几乎相同的字典中构造的，而使用tf-国防军时则不是这样)。
例如，让我们拿两个文件-一个由100个独特的词，另一个1000个独特的词。doc1中的每个单词的tf为0.001，而在doc2中，每个单词的tf为0.001。
这使得tf-idf等级在与doc1匹配时会自动大于doc2。
有没有人建议
浏览 2提问于2016-09-26得票数 10
回答已采纳
如果句子只包含相似的单词，或者换句话说，如果窗口大小等于句子大小，word2vec会失败吗？我想这个问题归结为单词to vec是将其他句子中的单词视为否定样本，还是仅将同一句中的单词视为窗口外的单词。
浏览 0提问于2022-02-17得票数 0
5回答
我有一个项目，我需要将多章文档与第二个文档进行比较，以确定它们的相似性。问题是我不知道如何去做，什么方法存在，或者他们是否有可用的库。
我的第一个问题是...有什么相似之处？匹配的单词数量，匹配的连续单词的数量？
我可以看到编写一个解析器，将每个文档放入一个包含单词和位置的数组中，然后对它们进行比较。
我在上看到了之前的问题
然而，这似乎与我正在尝试做的事情有些不同。
如果人们有任何选择或指示，那就太好了！
浏览 0提问于2009-07-12得票数 1
回答已采纳
2回答
我正在尝试一个相当大的无监督学习项目，不确定如何正确利用word2vec。我们正在尝试根据一些关于他们的统计数据和他们在我们网站上采取的行动来对客户群进行聚类。有人建议我使用word2vec，并将用户的每个动作视为“句子”中的一个单词。这一步是必要的，因为单个客户可以在数据库中创建多个行(大致相同的统计数据，但网站上的每个操作都是按时间顺序的新行)。为了对此数据执行kmeans，我们需要将其减少到每个客户ID的一行。
我的问题是，我在网上遇到了无数的教程和资源，它们向您展示了如何使用word2vec (与kmeans相结合)来单独聚类单词，但没有一篇教程和资源展示如何将word2vec输出作为
浏览 1提问于2019-05-17得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
