使用封装后的Python接口编写示例样例,Demo的功能与展现结果与C++ Demo基本一致,具体可参照使用文档

LDA模型推断

  1. $ sh run_lda_infer_demo.sh # 配置模型目录以及模型配置,使用新闻LDA模型:'model/news'和'lda.conf'

SentenceLDA模型推断

  1. $ sh run_slda_infer_demo.sh # 配置模型目录以及模型配置,使用新闻SLDA模型:'model/news'和'lda.conf'

计算长文本与长文本之间的距离

  1. $ sh run_cal_doc_distance_demo.sh # 配置模型目录以及模型配置,使用新闻LDA模型:'model/news'和'lda.conf'

计算短文本与长文本之间的相关性

  1. $ sh run_query_doc_sim_demo.sh # 配置模型目录,主题模型配置和TWE模型文件名:'model/news','lda.conf'和'news_twe_lda.model'

使用LDA计算关键词与文档的相关性

  1. $ sh run_doc_keywords_demo.sh # 配置模型目录以及模型配置,使用新闻LDA模型:'model/news'和'lda.conf'

使用TWE计算关键词与文档的相关性

  1. $ sh run_doc_keywords_twe_demo.sh # 配置模型目录,主题模型配置和TWE模型文件名:'model/news','lda.conf'和'news_twe_lda.model'

寻求与目标词最相关的词

  1. $ sh run_word_distance_demo.sh # 配置TWE模型目录以及文件,使用新闻TWE模型:'model/news'和'news_twe_lda.model'

寻求与目标主题最相关的词

  1. $ sh run_topic_word_demo.sh # 配置TWE模型目录以及文件,使用新闻TWE模型:'model/news'和'news_twe_lda.model'