Gensim 官方API

可以通过点击 官方链接 查看详细信息

官方提供的API列表如下:

interfaces– Core gensim interfaces

utils– Various utility functions

matutils– Math utils

corpora.bleicorpus– Corpus in Blei’s LDA-C format

corpora.csvcorpus– Corpus in CSV format

corpora.dictionary– Construct word<->id mappings

corpora.hashdictionary– Construct word<->id mappings

corpora.indexedcorpus– Random access to corpus documents

corpora.lowcorpus– Corpus in List-of-Words format

corpora.malletcorpus– Corpus in Mallet format of List-Of-Words.

corpora.mmcorpus– Corpus in Matrix Market format

corpora.sharded_corpus– Corpus stored in separate files

corpora.svmlightcorpus– Corpus in SVMlight format

corpora.textcorpus– Building corpora with dictionaries

corpora.ucicorpus– Corpus in UCI bag-of-words format

corpora.wikicorpus– Corpus from a Wikipedia dump

models.ldamodel– Latent Dirichlet Allocation

models.ldamulticore– parallelized Latent Dirichlet Allocation

models.lsimodel– Latent Semantic Indexing

models.ldaseqmodel– Dynamic Topic Modeling in Python

models.tfidfmodel– TF-IDF model

models.rpmodel– Random Projections

models.hdpmodel– Hierarchical Dirichlet Process

models.logentropy_model– LogEntropy model

models.normmodel– Normalization model

models.translation_matrix– Translation Matrix model

models.lsi_dispatcher– Dispatcher for distributed LSI

models.lsi_worker– Worker for distributed LSI

models.lda_dispatcher– Dispatcher for distributed LDA

models.lda_worker– Worker for distributed LDA

models.atmodel– Author-topic models

models.word2vec– Deep learning with word2vec

models.keyedvectors– Store and query word vectors

models.doc2vec– Deep learning with paragraph2vec

models.fasttext– FastText model

models.phrases– Phrase (collocation) detection

models.coherencemodel– Topic coherence pipeline

models.basemodel– Core TM interface

models.callbacks– Callbacks for track and viz LDA train process

models.wrappers.ldamallet– Latent Dirichlet Allocation via Mallet

models.wrappers.dtmmodel– Dynamic Topic Models (DTM) and Dynamic Influence Models (DIM)

models.wrappers.ldavowpalwabbit– Latent Dirichlet Allocation via Vowpal Wabbit

models.wrappers.wordrank– Word Embeddings from WordRank

models.wrappers.varembed– VarEmbed Word Embeddings

models.wrappers.fasttext– FastText Word Embeddings

similarities.docsim– Document similarity queries

How It Works

similarities.index– Fast Approximate Nearest Neighbor Similarity with Annoy package

sklearn_api.atmodel– Scikit learn wrapper for Author-topic model

sklearn_api.d2vmodel– Scikit learn wrapper for paragraph2vec model

sklearn_api.hdp– Scikit learn wrapper for Hierarchical Dirichlet Process model

sklearn_api.ldamodel– Scikit learn wrapper for Latent Dirichlet Allocation

sklearn_api.ldaseqmodel– Scikit learn wrapper for LdaSeq model

sklearn_api.lsimodel– Scikit learn wrapper for Latent Semantic Indexing

sklearn_api.phrases– Scikit learn wrapper for phrase (collocation) detection

sklearn_api.rpmodel– Scikit learn wrapper for Random Projection model

sklearn_api.text2bow– Scikit learn wrapper word<->id mapping

sklearn_api.tfidf– Scikit learn wrapper for TF-IDF model

sklearn_api.w2vmodel– Scikit learn wrapper for word2vec model

topic_coherence.aggregation– Aggregation module

topic_coherence.direct_confirmation_measure– Direct confirmation measure module

topic_coherence.indirect_confirmation_measure– Indirect confirmation measure module

topic_coherence.probability_estimation– Probability estimation module

topic_coherence.segmentation– Segmentation module

topic_coherence.text_analysis– Analyzing the texts of a corpus to accumulate statistical information about word occurrences

scripts.glove2word2vec– Convert glove format to word2vec

scripts.make_wikicorpus– Convert articles from a Wikipedia dump to vectors.

scripts.word2vec_standalone– Train word2vec on text file CORPUS

scripts.make_wiki_online– Convert articles from a Wikipedia dump

scripts.make_wiki_online_lemma– Convert articles from a Wikipedia dump

scripts.make_wiki_online_nodebug– Convert articles from a Wikipedia dump

scripts.word2vec2tensor– Convert the word2vec format to Tensorflow 2D tensor

scripts.segment_wiki– Convert wikipedia dump to json-line format

parsing.porter– Porter Stemming Algorithm

parsing.preprocessing– Functions to preprocess raw text

summarization.bm25– BM25 ranking function

summarization.commons– Common graph functions

summarization.graph– TextRank graph

summarization.keywords– Keywords for TextRank summarization algorithm

summarization.pagerank_weighted– Weighted PageRank algorithm

summarization.summarizer– TextRank Summariser

summarization.syntactic_unit– Syntactic Unit class

summarization.textcleaner– Summarization pre-processing

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,029评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,395评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,570评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,535评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,650评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,850评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,006评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,747评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,207评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,536评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,683评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,342评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,964评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,772评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,004评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,401评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,566评论 2 349

推荐阅读更多精彩内容