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:
-
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;
-
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;
-
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;
-
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:
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