目的
给定一个或多个搜索词,如“高血压 患者”,从已有的若干篇文本中找出最相关的(n篇)文本。
理论知识
文本检索(text retrieve)的常用策略是:用一个ranking function根据搜索词对所有文本进行排序,选取前n个,就像百度搜索一样。
算法:模型选择
1、基于word2vec的词语相似度计算模型2、python的实现用到了gensim库3、“jieba”中文分词
分步实现:
jieba.cut
方法接受三个输入参数: 需要分词的字符串;cut_all 参数用来控制是否采用全模式;HMM 参数用来控制是否使用 HMM 模型
[Python]纯文本查看复制代码 ?结巴分词后的停用词性 [标点符号、连词、助词、副词、介词、时语素、‘的’、数词、方位词、代词][Python]纯文本查看复制代码 ?对一篇文章分词、去停用词[Python]纯文本查看复制代码 ?对目录下的所有文本进行预处理,构建字典[Python]纯文本查看复制代码 ? [Python]纯文本查看复制代码 ?
# 输出分值结果示例:
[Python]纯文本查看复制代码 ?
[Python]纯文本查看复制代码 ?