FastText是在word2vec的cbow和skip-gram基础上得到模型，其最大的特点是模型简洁，训练速度快且文本分类准确率也令人满意

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。

最近学习神经网络的时候，发现大多介绍神经网络的文章都是先大篇幅的描述概念，然后莫名其妙就丢出很多晦涩难懂的数学公式，就结束了，让人看得一头雾水。
直到最近看了一篇文章，它通过实例和概念相结合的方式介绍神经网络，对初学者十分友好，于是我将其与其他文章整合，加上自己的理解，写出这篇文章。

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。

条件随机场（conditional random field）是一个比感知机更加强大的模型。

题目要求，每个皇后不能与其他皇后在同一行，同一列，同一对角线上。因此，我们可以从第一行一直往下搜索，如果符合条件，则将皇后放置在上面。