diff --git a/docs/source/tutorial/zh/pretrain/start.rst b/docs/source/tutorial/zh/pretrain/start.rst index 96db936c..f87d6afa 100644 --- a/docs/source/tutorial/zh/pretrain/start.rst +++ b/docs/source/tutorial/zh/pretrain/start.rst @@ -1,5 +1,7 @@ 训练模型 ---------- +------------ + +如需训练模型则可直接train_vector函数接口，来使使训练模型更加方便。模块调用gensim库中的相关训练模型，目前提供了"sg"、 "cbow"、 "fastext"、 "d2v"、 "bow"、 "tfidf"的训练方法，并提供了embedding_dim参数，使之可以按照需求确定向量的维度。 基本步骤 ################## diff --git a/docs/source/tutorial/zh/seg.rst b/docs/source/tutorial/zh/seg.rst index 9996dcee..e1e1c0db 100644 --- a/docs/source/tutorial/zh/seg.rst +++ b/docs/source/tutorial/zh/seg.rst @@ -10,7 +10,7 @@ 主要处理内容 -------------------- -1.将字典输入形式的选择题通过语义成分分解转换为符合条件的item； +1.将字典输入形式的选择题通过 `语法解析 `_ 转换为符合条件的item； 2.将输入的item按照元素类型进行切分、分组。 diff --git a/docs/source/tutorial/zh/vectorization.rst b/docs/source/tutorial/zh/vectorization.rst index c3161bad..89175ba6 100644 --- a/docs/source/tutorial/zh/vectorization.rst +++ b/docs/source/tutorial/zh/vectorization.rst @@ -6,11 +6,11 @@ 总体流程 --------------------------- -1.对传入的item进行解析，得到SIF格式； +1.对传入的item进行 `语法解析 `_ ，得到SIF格式； -2.对sif_item进行成分分解； +2.对sif_item进行 `成分分解 `_ ； -3.对经过成分分解的item进行令牌化； +3.对经过成分分解的item进行 `令牌化 `_； 4.使用已有或者使用提供的预训练模型，将令牌化后的item转换为向量。