官网glove.6B的词向量，里面包含了50d、100d、200d、300d常用英文单词的词向量，来源于wiki百科和Gigaword数据集。
2024/11/12 13:27:28
822.37MB
1
数据来源于中文维基百科，利用gensim进行数据抽取，再经过繁体字转换成简体字，得到纯净的文本语料，可用于词向量训练。
2024/11/5 8:52:11
146.03MB
1
完整可运行的python代码。
数据过滤，清洗，分割，特征选择，训练词向量模型，测试等等，每行都有注释，真实的数据集超过20w条，是个不错的nlp入门例子。
数据过滤，清洗，分割，特征选择，训练词向量模型，测试等等，每行都有注释，真实的数据集超过20w条，是个不错的nlp入门例子。
2024/6/2 1:43:38
79.61MB
1
DOC2vec，是为一群用来产生词向量的相关模型。
这些模型为浅而双层的神经网络，用来训练以重新建构语言学之词文本。
这些模型为浅而双层的神经网络，用来训练以重新建构语言学之词文本。
2024/3/23 19:28:01
39.11MB
1
pythonsynonyms中所需的中文词向量文件，下载后请放置于/root/anaconda3/lib/python3.6/site-packages/synonyms/data/words.vector.gz
2023/12/9 14:44:04
158.23MB
1
Glove词向量npy文件：包含idsMatrix.npy，wordsList.npy，wordVectors.npy
2023/12/1 16:54:58
93.55MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB