每天学习一点点

摘要： 1、使用占位符和变量 2、基础计算 3、矩阵操作 阅读全文

摘要： hanlp拥有：中文分词、命名实体识别、摘要关键字、依存句法分析、简繁拼音转换、智能推荐。 这里主要介绍一下hanlp的中文分词、命名实体识别、依存句法分析，这里就不介绍具体的hanlp的安装了，百度教程很多，可以看这里：http://www.hankcs.com/nlp/python-calls- 阅读全文

摘要： 这是我以前遇到的一个网站：人卫临床助手，这个网站比较奇怪，不能点击右键查看源码，但是大家可以使用ctrl+U，打开开发者选项，点击network，然后点击第2页和第3页： 可以看到上面的URL是一模一样的，这是我以前没见过的，可以参考我最早写的博客：python获取动态网站上面的动态加载的数据（初级 阅读全文

摘要： 最近突然想到以前爬取百度学术上的参考文献，大家可以看一下以前我的写的博客：http://www.cnblogs.com/ybf-yyj/p/7351493.html，但是如果利用这个方法，太痛苦了，需要人工来复制粘贴，所以这里来介绍用selenium来实现这个功能，贴上代码： 注意： 代码中红色标注 阅读全文

摘要： 最近在学习处理自然语言处理，就发现LTP的（哈工大语言云），这个比我最先使用的jieba分词更好，词库更大，功能也更强大。 这里介绍两种方法：1、调用LTP的API，2、使用pyltp，这里的方法基于python，对于其它语言的使用的请大家了解这里：LTP 3.3文档 1、调用LTP的API ①进入 阅读全文

摘要： 以上为普通的快速排序，用python实现，但是以上的快排还是有一些问题的： 快排算法的基数选择为最左边的数，当数组左边的数一直是最小的数，则整个排序过程则非常不平衡 解决思路： 将随机数性算法加入快排，即基数的选择随机，并不是特定的选择，这样可以避免块排的最坏情况 以下为改进的块排 以下为两种最坏情 阅读全文

摘要： jieba分词中Tokenize的使用，Tokenize主要是用来返回词语在原文的弃之位置，下面贴上代码： 运行结果为： 阅读全文

摘要： 结巴分词系统中实现了两种关键词抽取法，一种是TF-IDF关键词抽取算法另一种是TextRank关键词抽取算法，它们都是无监督的算法。 以下是两种算法的使用： 运行结果为： TF-IDF算法分析 TF-IDF全称是：Term Frequency-- Inverse Document Frequency 阅读全文

摘要： 近几天在做自然语言处理，看了一篇论文：面向知识库的中文自然语言问句的语义理解，里面提到了中文的分词，大家都知道对于英文的分词，NLTK有很好的支持，但是NLTK对于中文的分词并不是很好（其实也没有怎么尝试，哈哈哈！） 然后发现了jieba（结巴）分词，发现还是很强大的，还有一个THULAC（http 阅读全文

摘要： 马尔可夫模型（Markov Model）是一种统计模型，广泛应用在语音识别，词性自动标注，音字转换，概率文法等各个自然语言处理等应用领域。经过长期发展，尤其是在语音识别中的成功应用，使它成为一种通用的统计工具。 以下利用一篇英文演讲来实现简单得文字生成器，结果其实是一个胡言乱语得结果，但我们可以通过 阅读全文