目录Python全系列 教程
3567个小节阅读：5931.7k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本，未来主流的版本
人工智能 教程
顺势而为，AI创新未来
大厂算法 教程
算法，程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
Gensim（generate similarity）是一个开源的第三方Python工具包，用于从原始的非
结构化文本抽取文档的语义主题。Gensim内置的算法包括Word2Vec，FastText，潜在语
义分析（Latent Semantic Analysis，LSA），潜在狄利克雷分布（Latent Dirichlet
Allocation，LDA）等，通过计算训练语料中的统计共现模式自动发现文档的语义结构。这
些算法都是非监督的，这意味着不需要人工输入——仅仅需要一组纯文本语料。一旦发现这
些统计模式后，任何纯文本（句子、短语、单词）就能采用语义表示进行简洁地表达。
命令行安装：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gensim==4.3.0Jupyter notebook安装：
xxxxxxxxxx!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gensim==4.3.0x''' corpora是gensim中的一个基本概念,是文档集的表现形式,也是后续处理的基础'''from gensim import corpora
# Dictionary类为每个出现在语料库中的词语分配了一个独一无二的iddictionary = corpora.Dictionary([ ["apple","banana","apple","apple"], ["orange","watermelon"]])print("dictionary=",dictionary)
# 查看词语与id的映射关系print("dictionary.token2id=",dictionary.token2id)
'''统计指定文档中词语出现的次数，也即对指定文档生成词袋模型，例如:[(1, 3), (2, 1)]代表id为1的词语出现了3次，id为2的词语出现了1次'''result = dictionary.doc2bow(["banana","banana", "banana","orange"])print("result=",result)1. 关于Gensim，下列说法正确的是:
A Gensim是Python内置的库
B Gensim是用来做爬虫的一种框架
C Gensim没有内置任何算法
D Gensim用于从原始的非结构化文本抽取文档的语义主题
2. _______类为每个出现在语料库中的词语分配了一个独一无二的id
A doc2bow
B token2id
C Dictionary
D corpora
1=>D 2=>C