自然语言处理之近义词包 Synonyms

目前很缺乏质量好的中文近义词库，于是便考虑使用 word2vec 训练一个高质量的同义词库将“非标准表述”映射到“标准表述”，这就是 Synonyms 的起源。在经典的信息检索系统中，相似度的计算是基于匹配的，而且是 Query 经过分词后与文档库的严格的匹配，这种就缺少了利用词汇之间的“关系”。而 word2vec 使用大量数据，利用上下文信息进行训练，将词汇映射到低维空间，产生了这种“关系”，这种“关系”是基于距离的，有了这种“关系”，就可以进一步利用词汇之间的距离进行检索。所以，在算法层面上，检索更是基于了“距离”而非“匹配”，基于“语义”而非“形式”。

本话题将分享 Github 开源项目 - Synonyms 中文近义词工具包，主要内容如下：

• 应用场景
• 现有的近义词包
• N-gram 模型介绍
• word2vec 原理
• 使用的开放数据集
• 训练过程
• 计算句子相似度公式
• 待改进的地方

阅读全文: http://gitbook.cn/gitchat/activity/5a563545a8b23d387720ccd5

您还可以下载 CSDN 旗下精品原创内容社区 GitChat App ，阅读更多 GitChat 专享技术内容哦。