一、Patstat数据库小结

来源为 DOCDB

由于使用CNN抽取语义关系的效果始终出不来，线性模型效果更次，我打算重返BIGRU，先上一个小一点的数据集，正好看到下面代码，符合我的需要，只是数据用的是中文的，但这不打紧。

 1.MALLET:实现语言，Java，实现模型，LDA，HLDA,Pachinko Allocation Model，此外，还实现了HMM，最大熵马尔科夫模型和条件随机场；

2.Shuyo的github代码：实现语言,Python,实现模型，LDA，Dirichlet Process Gaussian Mixture Model,online HDP,HDPLDA,Interactive Topic Model,Labeled LDA

地址:https://github.com/shuyo/iir/tree/master/lda

3.arongdari的github代码：实现语言,Python,实现模型，LDA，Correlated Topic Model,Relational topic model,Author-Topic model,HMM-LDA,Discrete Infinite logistic normal,Supervised Topic Model,Hierarchical Dirichlet process,Hierarchical Dirichlet scaling process

地址：https://github.com/arongdari/python-topic-model

4.Gensim：实现语言，Python，实现模型，LDA，Dynamic Topic Model,Dynamic Influence Model,HDP,LSI,Random Projections,深度学习的word2vec,paragraph2vec。

官网地址：

[译者按]：这篇文献主要翻译自参考文献[1]，在oob部分，使用文献[2]稍作说明。

机器学习中，特征选择是特征工程中的重要问题（另一个重要的问题是特征提取），坊间常说：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。由此可见，特征工程尤其是特征选择在机器学习中占有相当重要的地位。

强烈推荐一篇博文，说如何进行特征选择的：

第一部分

保凸运算包括几种：

1.交集：这类正名一般都是用凸集的定义来正名的，而凸集的定义是：

http://s11/mw690/001oZrbjzy6RphtSW2S5a&690
其证明过程的思路是：

设两个凸集C1，C2，其交集是C3，现在任取C3的两点，由于这两点属于C1，所以这两点之间连线都在C1里面，同理这两点连线都在C2里面，也即这两点连线在C1和C2的交集，也即C3里面，得证。

2.仿射函数：函数f=Ax+b，称函数是仿射的，即线性函数加常数的形式

3.线性分式及透射函数：

ht