Torchtext指南 （側重於NMT） torchtext是一個對於NLP來說非常棒的預處理資料的工具。 本文記錄一下自己學習的過程，側重於NMT。 一個基本的操作流程： 建立Fie

更好的閱讀體驗，開啟【閱讀原文】，在PC上瀏覽 Lucene用了很久，其版本更新也很快。在ES出來之後，直接使用Lucene的時候就比較少了，更多的就在ES框架下一站式完成，ES目前在專案中幾乎佔據了半壁江

轉載請註明出處：https://www.cnblogs.com/wenjunwei/p/9860994.html 需求 使用正則表示式判斷字串是否為liunx路徑 格式要求：

最近挺忙的，在外出差，又同時幹兩個專案。白天一個晚上一個，特別是白天做的專案，馬上就要上線了，在客戶這裡 三天兩頭開會，問題很多真的很想好好靜下來懟程式碼，半夜做夢都能fix bugs~ 和客戶交流真的是門技術

下拉提示是搜尋引擎的標配功能，它能起到減少使用者輸入的作用，自動補全搜尋關鍵字，提升使用者使用搜索引擎的體驗，好的下拉提示還可以引導使用者輸入質量高的 query ，這些高質量  query 最終能輸出使用者

因為詞雲有利於體現文字資訊，所以我就將那天無聊時爬取的《悲傷逆流成河》的評論處理了一下，生成了詞雲。 關於爬取影評的爬蟲大概長這個樣子(實際上是沒有爬完的): #!/usr/bin/env python

1. 解析引擎 解析過程分為 詞法解析 和 語法解析 。 解析引擎在  parsing 包下，包含兩大元件： Lexer：詞法解析器。 Parser：SQL解析器。

公司目前業務系統偏向後臺系統，目前包含500W+資料，在許多列表中支援各種條件查詢，含有大量的模糊搜尋條件。由於在mysql中模糊查詢效率低下，目前公司已使用es搜尋引擎進行條件搜尋。es版本如下： ela

演算法思路 首先看個簡單的例子： 句子A： 我喜歡看電視，不喜歡看電影 句子B： 我不喜歡看電影，也不喜歡看電視 基本思路 如果兩句話的用詞越相似，它們的內容越相似。因此，可以從詞頻入手，計

(本文所使用的Python庫和版本號: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2， NLTK 3.3) 文字分塊是將一大段文字分割成

Go 語言高效分詞, 支援英文、中文、日文等 詞典用雙陣列trie（Double-Array Trie）實現， 分詞器演算法為基於詞頻的最短路徑加動態規劃。 支援普通和搜尋引擎兩種分詞模式，支援使用者詞

智慧決策上手系列教程索引 通過前面的幾篇文章，相信大家都嘗試抓取了一些網站上招聘資訊的資料，並存儲到自己的檔案裡面了，可能是一堆 .json 或 .csv 檔案。 如果你還沒有抓到資料，請看這

正則表示式（Regular Expression，通常簡稱為 regex 或 RE）是一種表達方式，可以用它來查詢匹配特定準則的文字。在許多程式語言中都有用到正則表示式，常用它來實現一些複雜的匹配。這裡簡單介紹

Lucene 全文檢索 Field域 Field是文件中的域，包括Field名和Field值兩部分，一個文件可以包括多個Field，Document只是Field的一個承載體，Field值即為要

偷懶若干天后迴歸。。在上一篇中我們得到了NLPCC2013的中文微博資料，將其按照8：1：1的比例分成了訓練集，驗證集和測試集。下一步就是對資料進行預處理以及embedding。這是第一次嘗試一邊寫部落格一邊把