Word2Vec

Word2Vec是常用的词嵌入模型之一。Word2Vec实际是一种浅层的神经网络模型，它有两种网络结构，分别是CBOW（Continues Bag of Words）连续词袋和Skip-gram。 我们可以选择其中一个方法来获得文本的词向量结果。

语法分析(syntactic parsing )其目标是分析句子的语法结构并将其表示为容易理解的结构(通常是树形结构)。

聚类分析在文本分析、商务应用、网页搜索、推荐系统、生物医学等多个领域都有着十分广泛的应用。

本文分别介绍抽取新词、关键词、关键短语和自动摘要的无监督学习方法。

命名实体：文本中有一些描述实体的词汇。比如人名、地名、组织机构名、股票基金、医学术语等

词性标注

词性标注指的是为句子中每个单词预测一个词性标签的任务。

本文介绍的是基于字符串匹配的中文分词的方法。

本文介绍的是基于统计的中文分词的方法。

朴素贝叶斯方法是基于贝叶斯定理的一组有监督学习算法，给定一个类别y和一个从x_1到x_n的相关的特征向量， 贝叶斯定理公式表示如下: