nodejs 在自然语言处理中的一些小应用

本贴最后更新于 2004 天前,其中的信息可能已经时异事殊

nodejs 做自然语言处理是非常可行的,这次我做了一些小小的尝试,一起来体验一下吧。

因为还保持着对自然语言处理的那份热爱,最近没事的时候会把毕业论文翻出来看(毕业论文的课题就是关于自然语言处理的),然后在我的新博客中加入了一些相关的处理,主要做了以下几个方面:

  1. 对每一篇文章进行快速的内容理解,根据标题和内容,输出多个内容标签;​

  2. 对文章按照内容进行自动分类,为文章聚类、文本内容分析等提供基础;​

  3. ​根据文章标题、用户自定义标签、以及人工智能获得到的标签,进行相似度计算;

  4. 在阅读一篇文章的时候,通过相似度计算的结果,推荐相关的文章給用户。

下面给出自动输出内容标签的结果图:

博客系统

​运行环境:centos9 + docker

开发语言:nodejs​

数据库:MariaDB

开发框架:eggjs + ​nunjucks(模板引擎)

这次也是我第一次做后端渲染的博客,ajax 的网站,做 seo 是真的不好做...

然后这次也是我第一次正儿八经的用了下阿里大佬们的 eggjs,这种“洋葱模型”的框架,我真的是超级喜欢,不管是用 es7 优雅地处理 js 异步,还是经典的 MVC,还是框架的插件机制等等。确实是超级赞的。如果有喜欢 nodejs 的同志,强力推荐此框架。

推荐系统

推荐系统是我们平时在用软件,或者网站中经常会遇见的,比如资讯类的,百度 feed、头条、qq 看点等;电商类的,阿里,京东等等,还有抖音什么的,很多很多。

一个好的推荐系统可以带来更多的收益,but 一个不好的推荐系统往往会得到别人的吐槽。之前在脉脉看到某公司 CTO 收到脉脉推荐的安卓工程师的推荐职位,遭到吐槽。百度李彦宏某天因为没有在 feed 收到一条重要的科技资讯信息,而吐槽自家员工。这样的事情通常会很多。

我觉得一个好的推荐系统应该更“懂”人,假如我最近一个月前买了一部手机,我希望能给我推送一些手机配件,而不是在给我推送一部手机,这个时候我买手机配件的概率是远远大于在买一部手机的。现在很多推荐系统,都是通过用户画像,加上各种埋点,用户操作数据,从而进行分析推送的。我觉得未必不可以在此基础上加上情感分析,多一个维度,或许能够得到更准确的数据。

说了这么多,我觉得还是有很多瓶颈存在的 😐,现在的 AI 就像很多年前的移动互联网,正处于上升期。 我们还有很多事情可以做。

下面进入今天的真题..

这次做的文章推荐系统,分享一些细节给大家:

图中右侧部分就是我们这个文章推送系统的推送结果,我们用不同的颜色标注了这篇文章和当前正在浏览的文章的关联度,颜色越深表示关联度越高,置信度越高,权重越大。

这个推荐系统中主要使用了上面所说的第三点:相似度计算;使用的数学模型为空间向量模型,空间向量模型能够将非结构化的文本数据转换成向量形式,表示成向量形式之后能为之后的处理过程打下良好的数学基础。

空间向量模型,帮助我们把每篇文档转化为一个多维的空间向量形式:

其中,向量 W1i 表示第一个词占文档 Ci 的比重,向量 W2i 表示第二个词占文档 Ci 的比重,依次类推,向量 Wti 表示第 t 个词占文档 Ci 的比重。

那么两篇文章的相似度,我们就可以计算他们对应向量的夹角余弦值来进行计算:

两个文档的余弦值越接近 1,这两个文档则越相似。

下面给出计算相似度的关键代码:

  • Node.js

    Node.js 是一个基于 Chrome JavaScript 运行时建立的平台, 用于方便地搭建响应速度快、易于扩展的网络应用。Node.js 使用事件驱动, 非阻塞 I/O 模型而得以轻量和高效。

    139 引用 • 269 回帖 • 43 关注
  • 自然语言处理

    自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。

    18 引用 • 10 回帖 • 2 关注
  • 相似度
    2 引用

相关帖子

欢迎来到这里!

我们正在构建一个小众社区,大家在这里相互信任,以平等 • 自由 • 奔放的价值观进行分享交流。最终,希望大家能够找到与自己志同道合的伙伴,共同成长。

注册 关于
请输入回帖内容 ...
maixiaojie
如果哪天你累了告诉我 我背你。❤️

推荐标签 标签

  • JavaScript

    JavaScript 一种动态类型、弱类型、基于原型的直译式脚本语言,内置支持类型。它的解释器被称为 JavaScript 引擎,为浏览器的一部分,广泛用于客户端的脚本语言,最早是在 HTML 网页上使用,用来给 HTML 网页增加动态功能。

    729 引用 • 1327 回帖
  • CentOS

    CentOS(Community Enterprise Operating System)是 Linux 发行版之一,它是来自于 Red Hat Enterprise Linux 依照开放源代码规定释出的源代码所编译而成。由于出自同样的源代码,因此有些要求高度稳定的服务器以 CentOS 替代商业版的 Red Hat Enterprise Linux 使用。两者的不同在于 CentOS 并不包含封闭源代码软件。

    238 引用 • 224 回帖
  • ZooKeeper

    ZooKeeper 是一个分布式的,开放源码的分布式应用程序协调服务,是 Google 的 Chubby 一个开源的实现,是 Hadoop 和 HBase 的重要组件。它是一个为分布式应用提供一致性服务的软件,提供的功能包括:配置维护、域名服务、分布式同步、组服务等。

    59 引用 • 29 回帖 • 5 关注
  • 代码片段

    代码片段分为 CSS 与 JS 两种代码,添加在 [设置 - 外观 - 代码片段] 中,这些代码会在思源笔记加载时自动执行,用于改善笔记的样式或功能。

    用户在该标签下分享代码片段时需在帖子标题前添加 [css] [js] 用于区分代码片段类型。

    69 引用 • 372 回帖
  • 外包

    有空闲时间是接外包好呢还是学习好呢?

    26 引用 • 232 回帖 • 2 关注
  • 服务器

    服务器,也称伺服器,是提供计算服务的设备。由于服务器需要响应服务请求,并进行处理,因此一般来说服务器应具备承担服务并且保障服务的能力。

    125 引用 • 588 回帖
  • 支付宝

    支付宝是全球领先的独立第三方支付平台,致力于为广大用户提供安全快速的电子支付/网上支付/安全支付/手机支付体验,及转账收款/水电煤缴费/信用卡还款/AA 收款等生活服务应用。

    29 引用 • 347 回帖
  • Android

    Android 是一种以 Linux 为基础的开放源码操作系统,主要使用于便携设备。2005 年由 Google 收购注资,并拉拢多家制造商组成开放手机联盟开发改良,逐渐扩展到到平板电脑及其他领域上。

    334 引用 • 323 回帖 • 1 关注
  • Kotlin

    Kotlin 是一种在 Java 虚拟机上运行的静态类型编程语言,由 JetBrains 设计开发并开源。Kotlin 可以编译成 Java 字节码,也可以编译成 JavaScript,方便在没有 JVM 的设备上运行。在 Google I/O 2017 中,Google 宣布 Kotlin 成为 Android 官方开发语言。

    19 引用 • 33 回帖 • 63 关注
  • danl
    132 关注
  • VirtualBox

    VirtualBox 是一款开源虚拟机软件,最早由德国 Innotek 公司开发,由 Sun Microsystems 公司出品的软件,使用 Qt 编写,在 Sun 被 Oracle 收购后正式更名成 Oracle VM VirtualBox。

    10 引用 • 2 回帖 • 6 关注
  • WiFiDog

    WiFiDog 是一套开源的无线热点认证管理工具,主要功能包括:位置相关的内容递送;用户认证和授权;集中式网络监控。

    1 引用 • 7 回帖 • 587 关注
  • CSS

    CSS(Cascading Style Sheet)“层叠样式表”是用于控制网页样式并允许将样式信息与网页内容分离的一种标记性语言。

    198 引用 • 550 回帖
  • SOHO

    为成为自由职业者在家办公而努力吧!

    7 引用 • 55 回帖 • 19 关注
  • SSL

    SSL(Secure Sockets Layer 安全套接层),及其继任者传输层安全(Transport Layer Security,TLS)是为网络通信提供安全及数据完整性的一种安全协议。TLS 与 SSL 在传输层对网络连接进行加密。

    70 引用 • 193 回帖 • 431 关注
  • 安全

    安全永远都不是一个小问题。

    199 引用 • 816 回帖
  • CloudFoundry

    Cloud Foundry 是 VMware 推出的业界第一个开源 PaaS 云平台,它支持多种框架、语言、运行时环境、云平台及应用服务,使开发人员能够在几秒钟内进行应用程序的部署和扩展,无需担心任何基础架构的问题。

    5 引用 • 18 回帖 • 167 关注
  • Vue.js

    Vue.js(读音 /vju ː/,类似于 view)是一个构建数据驱动的 Web 界面库。Vue.js 的目标是通过尽可能简单的 API 实现响应的数据绑定和组合的视图组件。

    266 引用 • 665 回帖
  • 设计模式

    设计模式(Design pattern)代表了最佳的实践,通常被有经验的面向对象的软件开发人员所采用。设计模式是软件开发人员在软件开发过程中面临的一般问题的解决方案。这些解决方案是众多软件开发人员经过相当长的一段时间的试验和错误总结出来的。

    200 引用 • 120 回帖
  • 工具

    子曰:“工欲善其事,必先利其器。”

    286 引用 • 729 回帖
  • Windows

    Microsoft Windows 是美国微软公司研发的一套操作系统,它问世于 1985 年,起初仅仅是 Microsoft-DOS 模拟环境,后续的系统版本由于微软不断的更新升级,不但易用,也慢慢的成为家家户户人们最喜爱的操作系统。

    222 引用 • 473 回帖 • 1 关注
  • 导航

    各种网址链接、内容导航。

    40 引用 • 173 回帖
  • Jenkins

    Jenkins 是一套开源的持续集成工具。它提供了非常丰富的插件,让构建、部署、自动化集成项目变得简单易用。

    53 引用 • 37 回帖
  • V2Ray
    1 引用 • 15 回帖 • 1 关注
  • Laravel

    Laravel 是一套简洁、优雅的 PHP Web 开发框架。它采用 MVC 设计,是一款崇尚开发效率的全栈框架。

    20 引用 • 23 回帖 • 721 关注
  • 区块链

    区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。所谓共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法 。

    91 引用 • 751 回帖 • 2 关注
  • jQuery

    jQuery 是一套跨浏览器的 JavaScript 库,强化 HTML 与 JavaScript 之间的操作。由 John Resig 在 2006 年 1 月的 BarCamp NYC 上释出第一个版本。全球约有 28% 的网站使用 jQuery,是非常受欢迎的 JavaScript 库。

    63 引用 • 134 回帖 • 724 关注