谷歌“你的意思是什么？”算法是如何工作的？
[英]How does the Google “Did you mean?” Algorithm work?
我一直在开发一个投资组合管理工具的内部网站。 有很多文本数据，公司名称等。我对一些搜索引擎能够快速响应查询的印象非常深刻，“你的意思是：xxxx”。 我需要能够智能地进行用户查询并不仅响应原始搜索结果，还要回答“你的意思是？” 当有极有可能的替代答案等时作出回应 [我正在开发AS ...
如何计算两个文本文档之间的相似度？
[英]How to compute the similarity between two text documents?
我正在研究一个 NLP 项目，可以使用任何编程语言（尽管我更喜欢 Python）。 我想拿两份文件并确定它们的相似程度。 ...
词形还原与词干化之间有什么区别？
[英]What is the difference between lemmatization vs stemming?
我什么时候使用它们？ 另外……NLTK 词形还原是否依赖于词性？ 如果是的话不是更准确吗？ ...
Java 斯坦福 NLP：语音标签的一部分？
[英]Java Stanford NLP: Part of Speech labels?
此处演示的斯坦福 NLP 给出了如下输出： 词性标签是什么意思？ 我找不到官方列表。 是斯坦福自己的系统，还是他们使用通用标签？ （例如，什么是JJ ？） 此外，当我遍历句子时，例如寻找名词时，我最终会做一些事情，例如检查标签.contains('N') 。 这感觉很弱。 有没有更好的方法来 ...
googletrans 停止工作并出现错误“NoneType” object 没有属性“group”
[英]googletrans stopped working with error 'NoneType' object has no attribute 'group'
我正在尝试使用googletrans ，它运行良好。 从今天早上开始，我开始遇到错误。 我查看了来自 stackoverflow 和其他网站的多个帖子，发现我的 ip 可能在一段时间内被禁止使用该服务。 我尝试使用具有不同 ip 的多个服务提供商 inte.net，但仍然面临同样的问题？ 我也尝试 ...
如何判断一段文字的语言？
[英]How to determine the language of a piece of text?
我想得到这个：Input text: "ру́сский язы́к" Output text: "Russian" Input text: "中文" Output text: "Chinese" Input text: "にほんご" Output text: "Japanese" I ...
如何使用 NLTK 分词器去除标点符号？
[英]How to get rid of punctuation using NLTK tokenizer?
我刚开始使用 NLTK，我不太明白如何从文本中获取单词列表。 如果我使用nltk.word_tokenize() ，我会得到一个单词和标点符号列表。 我只需要单词。 我怎样才能摆脱标点符号？ word_tokenize也不适用于多个句子：在最后一个单词中添加点。 ...
检测单词中的音节
[英]Detecting syllables in a word
我需要找到一种相当有效的方法来检测单词中的音节。 例如， 隐形 -> in-vi-sib-le 有一些可以使用的音节规则： V CV VC CVC CCV CCCV CVCC *其中 V 是元音，C 是辅音。 例如， 发音 (5 Pro-nun-ci-a-tion; CV-CVC ...
Apple 如何在电子邮件中查找日期、时间和地址？
[英]How does Apple find dates, times and addresses in emails?
在 iOS 电子邮件客户端中，当电子邮件包含日期、时间或位置时，文本将变成超链接，只需点击链接即可创建约会或查看地图。 它不仅适用于英语电子邮件，也适用于其他语言。 我喜欢这个功能，想了解他们是如何做到的。 这样做的天真方法是拥有许多正则表达式并全部运行它们。 然而，我这不会很好地扩展并且只适用于 ...
如何使用 scikit learn 计算多类案例的准确率、召回率、准确率和 f1 分数？
[英]How to compute precision, recall, accuracy and f1-score for the multiclass case with scikit learn?
我正在处理情感分析问题，数据如下所示： 所以我的数据是不平衡的，因为 1190 个instances被标记为5 。 对于使用 scikit 的SVC的分类 Im。 问题是我不知道如何以正确的方式平衡我的数据，以便准确计算多类案例的准确率、召回率、准确率和 f1 分数。 所以我尝试了以下方法： ...
我如何做词干或词形还原？
[英]How do I do word Stemming or Lemmatization?
我已经尝试过PorterStemmer和Snowball，但两个都不能用于所有单词，缺少一些非常常见的单词。 我的测试词是：“ 猫跑仙人掌仙人掌仙人掌社区社区 ”，两者都不到一半。 也可以看看： 用于生成真实单词的词干算法 词干 - 代码示例或开源项目？ ...
选区解析器和依赖解析器之间的区别
[英]Difference between constituency parser and dependency parser
选区解析器和依赖解析器之间有什么区别？ 这两者的用法有什么不同？ ...
word2vec：负采样（外行术语）？
[英]word2vec: negative sampling (in layman term)?
我正在阅读下面的论文，但在理解负采样的概念方面遇到了一些麻烦。 http://arxiv.org/pdf/1402.3722v1.pdf 请问有人可以帮忙吗？ ...
如何正确地在单词前加上“a”和“an”？
[英]How can I correctly prefix a word with “a” and “an”?
我有一个 .NET 应用程序，其中给定一个名词，我希望它在该词前面正确加上“a”或“an”。 我该怎么做？ 在您认为答案是简单地检查第一个字母是否是元音之前，请考虑以下短语： 一个诚实的错误 一辆二手车 ...
如何使用 Python 在 NLTK 中使用斯坦福解析器
[英]How to use Stanford Parser in NLTK using Python
是否可以在 NLTK 中使用斯坦福解析器？ （我不是在谈论斯坦福 POS。） ...
如何使用Genia Corpus训练斯坦福分析器？
[英]How to train the Stanford Parser with Genia Corpus?
我为Stanford Parser创建一个新模型有一些问题。 我还从斯坦福下载了最新版本： http ： //nlp.stanford.edu/software/lex-parser.shtml 在这里，Genia Corpus有2种格式，xml和ptb（Penn Treebank） ...
spacy Can't find model 'en_core_web_sm' on windows 10 and Python 3.5.3:: Anaconda custom (64-bit)
[英]spacy Can't find model 'en_core_web_sm' on windows 10 and Python 3.5.3 :: Anaconda custom (64-bit)
spacy.load('en_core_web_sm')和spacy.load('en')有什么区别？ 此链接解释了不同的 model 尺寸。 但我仍然不清楚spacy.load('en_core_web_sm')和spacy.load('en')不同 spacy.load('en')对我来说 ...
Keras Tokenizer 方法究竟做了什么？
[英]What does Keras Tokenizer method exactly do?
有时，情况需要我们执行以下操作： 然后，我们总是念诵这个咒语： 虽然我（或多或少）了解总体效果是什么，但我无法弄清楚每个人分别做了什么，无论我做了多少研究（显然，包括文档）。 我想我从来没有见过一个没有另一个。 那么每个人做什么呢？ 在任何情况下，您都可以使用其中一种而不使用另一种吗？ 如 ...
理解 scikit CountVectorizer 中的 min_df 和 max_df
[英]Understanding min_df and max_df in scikit CountVectorizer
我有五个文本文件输入到 CountVectorizer。 当为 CountVectorizer 实例指定 min_df 和 max_df 时，最小/最大文档频率究竟意味着什么？ 是某个词在其特定文本文件中的出现频率，还是该词在整个语料库（5 个 txt 文件）中的出现频率？ 当 min_df 和 ...