@param sents_tokened: list of tokenized words string (sentences/phrases) :return: ndarray with shape (len(sents), dimension of embedd

计算两个向量之间的余弦相似度 :param vector_a: 向量 a :param vector_b: 向量 b :return: sim

:param candidate_embeddings_list: :param text_obj: :param dist_list: :return: dist_all

:param dist_all: :param method: "average" :return:

Based on part of speech return a list of candidate phrases :param text_obj: Input text Representation see @InputTextObj :para

Get the weight of words by word_fre/sum_fre_words :param weightfile :param weightpara :return: word2weight[word]=weight : a dict of w

@param text: @param SIF: @param cn_model: @param sent_emb_method: @param elmo_layers_weight: @param if_DS: @param if_EA:

@param text: @param SIF: @param cn_model: @param sent_emb_method: @param elmo_layers_weight: @param if_DS: @param if_EA:

Calculate distance between 2 topics :param topic_a: list if phrases in a topic A :param topic_b: list if phrases in a topic B

Embeddings Alignment :param elmo_embeddings: The embeddings from elmo :param tokens_segmented: The list of tokens list <class 'list'

计算两个向量之间的余弦相似度 :param vector_a: 向量 a :param vector_b: 向量 b :return: sim

@param text: list，分词后的文章输入 @return: 该文档的关键词汇得分排序列表

Based on part of speech return a list of candidate phrases :param text_obj: Input text Representation see @InputTextObj :param no_subset:

根据困惑度获取最优的主题数目 @param tf: @param n_max_topics:

获取文档主题分布矩阵和主题词语分布矩阵 @param topic_num: @param data_path: @return:

@param text: list，分词后的文章输入 @param window_size: int，共现窗口大小 @param lambda_: float，PageRank参数，0-1之间 @return: 该文档的关键词汇得分排序列表

根据每个文档预测其主题并写入xlsx表格中 @param data: @param docx_x_topic_matrix:

打印每个主题下的关键的词语 @param topic_x_word_matrix: @param feature_names: @param n_top_words: @return:

@param topic_x_word_matrix: matrix，主题词汇分布矩阵（归一化后的） @param docx_x_topic_matrix: matrix，文档主题分布矩阵（未归一化的） @param tf_feature_names: list，词汇字典

@param topic_x_word_matrix: matrix，主题词汇分布矩阵（归一化后的） @param docx_x_topic_matrix: matrix，文档主题分布矩阵（未归一化的） @param tf_feature_names: list，词汇字典

@param text: list，分词后的文章输入 @param lambda_: float，PageRank参数，0-1之间 @return: 该文档的关键词汇得分排序列表

@param topic_x_word_matrix: matrix，主题词汇分布矩阵（归一化后的） @param docx_x_topic_matrix: matrix，文档主题分布矩阵（未归一化的） @param tf_feature_names: list，词汇字典

Sum weights of adjacent nodes. Choose 'j'th nodes which is adjacent to 'i'th node. Sum weight in 'j'th column, then devide wij(weight

:param is_sectioned: If we want to section the text. :param zh_model: the pipeline of Chinese tokenization and POS-tagger :pa

画指定word的主题分布图 @param word: 想要观察主题分布的词语 @param topic_distribution: 主题分布矩阵 @param keyword_dict: 词汇检索表 @param topic_set: 主题检索表