注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. word2vec.zip

  2. 该代码包为Google code，现在Google上找不到该代码包，所以上传到此供大家下载。（安装指南：在Linux上进入该目录中运行make编译word2vec工具：（如果其中makefile文件后有.txt后缀，将其去掉）在当前目录下执行make进行编译，生成可执行文件(编译过程中报出很出Warning，暂且不管)）

  3. 所属分类：其它

  1. win32-port.h.zip

  2. 在使用python通过pip install word2vec安装word2vec的时候，上面提示缺少win32-port.h，可以使用。 压缩包里面是win32-port.h文件。

  3. 所属分类：机器学习

    • 发布日期：2019-07-25
    • 文件大小：1kb
    • 提供者：qq_33275844

  1. AdaGram.jl, 在Julia中，自适应跳过gram实现.zip

  2. AdaGram.jl, 在Julia中，自适应跳过gram实现 AdaGram自适应跳频( AdaGram ) 模型是一种在word2vec软件中实现的名为per模型的非参数扩展，能够学习不同词义。 这里项目在Julia语言中实现 AdaGram 。安装AdaGram不在julia软件包库中，因

  3. 所属分类：其它

    • 发布日期：2019-09-18
    • 文件大小：10mb
    • 提供者：weixin_38743602

  1. setup_gensim.rar

  2. gensim的whl包，包含大部分依赖whl包，其他的依赖包比较小可以自动安装完成，建议按照图片顺序安装依赖包，安装完成即可使用gensim.model.word2vec进行词向量计算了。 版本： gensim-3.8.1-cp37-cp37m-win_amd64.whl

  3. 所属分类：机器学习

    • 发布日期：2020-03-20
    • 文件大小：30mb
    • 提供者：Da___Vinci

  1. gensim.zip

  2. 机器学习词向量算法包离线安装环境准备，word2vec模型框架，gensim 离线安装环境，依赖包下载安装

  3. 所属分类：机器学习

    • 发布日期：2020-01-07
    • 文件大小：30mb
    • 提供者：auss4045

  1. word2vec.tar.gz 源码 安装文件

  2. https://code.google.com/p/word2vec/ 有时被墙。 word2vec.tar.gz 源码 安装文件

  3. 所属分类：C++

    • 发布日期：2019-03-16
    • 文件大小：212kb
    • 提供者：weixin_42223140

  1. python初步实现word2vec操作

  2. 一、前言 一开始看到word2vec环境的安装还挺复杂的，安了半天Cygwin也没太搞懂。后来突然发现，我为什么要去安c语言版本的呢，我应该去用python版本的，然后就发现了gensim，安装个gensim的包就可以用word2vec了，不过gensim只实现了word2vec里面的skip-gram模型。若要用到其他模型，就需要去研究其他语言的word2vec了。 二、语料准备 有了gensim包之后，看了网上很多教程都是直接传入一个txt文件，但是这个txt文件长啥样，是什么样的数据格式呢

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：69kb
    • 提供者：weixin_38664989

  1. Snippext_public：Snippext：具有增强数据的半监督意见挖掘-源码

  2. 片段 Snippext是从用户生成的内容（例如，在线评论）中挖掘意见和客户体验的提取管道。 论文：苗正杰，李玉良，王晓兰，tanh望秋，“ Snippext：具有增强数据的半监督意见挖掘”，载于WebConf（WWW）2020 要求 Python 3.7.5 PyTorch 1.3 HuggingFace变形金刚 带有em_core_web_sm模型的空间 NLTK（停用词，词网） Gensim NVIDIA Apex（FP16培训） 安装所需的软件包 conda install -

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：13mb
    • 提供者：weixin_42138788

  1. w2v：使用Spark使用Twitter数据对Word2Vec进行建模。 博客：-源码

  2. 基于Spark的机器学习，用于捕获词义 在此存储库中，您将了解如何使用Twitter数据构建Word2Vec模型。 要获得有关如何在IBM 上构建模型的端到端教程，请选择仓库。 先决条件：安装Python，numpy和Apache Spark I.）安装Anaconda会同时安装Python，numpy和其他Python软件包。 如果有兴趣，请访问 II。）下载并安装Apache Spark，请转到此处： : 该步骤对我在Mac 上安装Spark 1.5.1很有用。 III。）在这里

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：878kb
    • 提供者：weixin_42175971

  1. webvectors：将您的word2vec网络化：在线服务分布式语义模型的框架-源码

  2. 网页向量 Webvectors是在网络上提供矢量语义模型（尤其是基于预测的单词嵌入，如word2vec或ELMo ）的工具包，可轻松向公众展示其功能。 它要求Python> = 3.6，并在后台使用Flask ， Gensim和simple_elmo 。 工作演示： （俄语） （适用于英语和挪威语） 该服务既可以作为WSGI应用程序集成到Apache Web服务器中，也可以使用Gunicorn作为独立服务器运行（我们建议使用后者）。 简要安装说明 将WebVectors git

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：587kb
    • 提供者：weixin_42160398

  1. bnlp：BNLP是孟加拉语的自然语言处理工具包-源码

  2. 孟加拉自然语言处理（BNLP） BNLP是孟加拉语的自然语言处理工具包。 该工具将帮助您标记孟加拉语文本，嵌入孟加拉语单词，孟加拉语POS标签，孟加拉语名称实体识别，构造孟加拉语NLP的神经模型。 安装 PIP安装程序（Python：3.5、3.6、3.7、3.8已通过测试，操作系统：Linux，Windows已通过测试） pip install bnlp_toolkit 或升级 pip install -U bnlp_toolkit 预训练模型 下载链接 训练细节 用孟加拉语维基百科转储数

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：11mb
    • 提供者：weixin_42136365

  1. GermanWordEmbeddings：获取和预处理德语语料库，使用word2vec（gensim）训练模型并使用生成的测试集对其进行评估的工具包-源码

  2. 关于在英语语料库上进行词嵌入训练的研究很多。 该工具包通过在德语语料库上应用深度学习，以训练和评估德语模型。 有关项目，评估结果和的概述可在或直接在此存储库中找到。 该项目是根据发布的。 开始吧 确保已安装Python 3以及以下库： pip install gensim nltk matplotlib numpy scipy scikit-learn 现在，您可以下载并在您的Shell中执行它，以自动下载此工具包和相应的语料库文件并进行模型训练和评估。 请注意，这可能需要大量时间！ 您

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：390kb
    • 提供者：weixin_42116734

  1. 同义词：中文近义词：聊天机器人，智能问答工具包-源码

  2. 同义词 用于自然语言处理和理解的中文同义词。 更好的中文近义词：聊天机器人，智能问答工具包。 synonyms可以用于自然语言理解的很多任务：文本对齐，推荐算法，相似度计算，语义转换，关键字提取，概念提取，自动摘要，搜索引擎等。 表中的内容： 欢迎 pip install -U synonyms 兼容py2和py3，当前稳定版本 提示：安装后初次使用会下载词向量文件，下载速度取决于网络情况。 本文档的配置和接口说明针对python工具包。 用法 支持使用环境变量配置分词词表和word2vec词

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：14mb
    • 提供者：weixin_42109125

  1. gensim：人类主题建模-源码

  2. gensim – Python中的主题建模 Gensim是用于主题建模，文档索引和大型语料库相似性检索的Python库。 目标受众是自然语言处理（NLP）和信息检索（IR）社区。 产品特点 所有算法均与语料库大小无关（可以处理大于RAM的输入，流式处理，核外处理）， 直观的界面 轻松插入您自己的输入语料库/数据流（简单的流式API） 易于使用其他向量空间算法（简单转换API）进行扩展 流行算法的高效多核实现，例如在线潜在语义分析（LSA / LSI / SVD） ，潜在狄利克雷分配（LDA

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：56mb
    • 提供者：weixin_42114645