深山蚂蚁

调用gensim的word2vec方法和doc2vec方法,实现文本相似度计算。 适用于短文本相似度计算,训练文档需要先分好词。

2013年至2018年，以医患关系为关键词爬取的20000＋微博数据，包括文本、链接、日期、转赞评、用户名等字段。