keras：3)embedding層詳解，看這篇更詳細：
keras.layers.embeddings.embedding(input_dim, output_dim, embeddings_initializer='uniform', embeddings_regularizer=none, activity_regularizer=none, embeddings_constraint=none, mask_zero=false, input_length=none)output_dim：單詞轉換後成為的詞向量的維度，大於0的整數，代表全連線嵌入的維度
embeddings_initializer: 嵌入矩陣的初始化方法，為預定義初始化方法名的字串，或用於初始化權重的初始化器。參考initializers
embeddings_regularizer: 嵌入矩陣的正則項，為regularizer物件
embeddings_constraint: 嵌入矩陣的約束項，為constraints物件
mask_zero：布林值，確定是否將輸入中的『0』看作是應該被忽略的『填充』（padding）值，該引數在使用遞迴層處理變長輸入時有用。設定為true的話，模型中後續的層必須都支援masking，否則會丟擲異常。如果該值為true，則下標0在字典中不可用，input_dim應設定為|vocabulary| + 2。
input_length：當輸入序列的長度固定時，該值為其長度。如果要在該層後接flatten層，然後接dense層，則必須指定該引數，否則dense層的輸出維度無法自動推斷。
embedding小結：1注意這只可作為網路第一層使用，2嵌入是從離散物件（例如字詞）到實數向量的對映。
看這個**怎麼安裝
用你指定的anaconda環境從控制台進入pyltp-master目錄後，輸入命令:python setup.py install
即可進行ltp的安裝
這個**只是解釋ltp使用到的模型的作用
中科院開源的文字處理工具：
演算法工程師技能樹（四）：文字匹配
文字相似度-bm25演算法原理及實現
bm25原理：
最好的中文近義詞工具包：synonyms
synonyms同義詞提示、中文分詞、詞性識別工具
關於上文所提到的演算法的**實現見：
深度學習與 NLP（一）
自然語言處理 nlp 旨在利用計算機分析自然語言語句和文字，抽取重要資訊，進行檢索 問答 自動翻譯和文字生成。未來十年是 nlp 的 時代，我們準備好了嗎？微軟創始人比爾蓋茨 語言理解是人工智慧皇冠上的明珠 自然語言處理 nlp，natural language processing 的進步將會推動...
深度學習baseline模型 深度學習模型訓練流程
工作中訓練了很多的深度學習模型，目前到了上公升到方 的角度來看了。日常工作中有的人可能已經在遵循方 做事，可能自己沒有注意，有的人可能沒有遵循方 在做事，雖然可能最後的結果差不多，但花費的時間和精力應該會差別很大，當然這是我自己的感受。我們不必完全按照方 來做，但基本流程跟方 應該一致。下面的具體步...
在NLP中深度學習模型何時需要樹形結構？
在nlp中深度學習模型何時需要樹形結構？前段時間閱讀了jiwei li等人 1 在emnlp2015上發表的 when are tree structures necessary for deep learning of representations?該文主要對比了基於樹形結構的遞迴神經網路 re...