亲爱的小伙伴们，相信很多人对哪些网站帮你打开了新世界的大门和搜索引擎之同义词、近义词、上位词挖掘都不是特别了解，因此今天我来为大家分享一些关于哪些网站帮你打开了新世界的大门和搜索引擎之同义词、近义词、上位词挖掘的知识，希望能够帮助大家解决这些问题。
本文目录一览
哪些网站帮你打开了新世界的大门？
今天来给大家分享一些“不为人知”的网站，帮我打开了新世界的大门，有来自森林的治愈原声，有来自全球的各种美景……特别是美景和电台，真的很治愈！一起来看看吧：
森林电台
Tree.fm（www.tree.fm）是一个充斥着来自世界各地真实森林的声音的网站，这些声音在播放的同时会显示它们被录制地点的全屏照片。
点击播放，你就会被送到马达加斯加去听狐猴的声音，或者被送到加纳听一些平静的水流，或者被送到俄罗斯，在那里，一只我从来没有听说过的鸟进行了一场声乐表演……极具沉浸感的实景图片配合真实采集来的原始声音，会有一种拥抱大自然的感觉，让人心旷神怡！
网页链接
AirPano
这是一个俄罗斯团队做的网站，这是一个足不出户就能看遍全球风景的神器网站，网站不仅提供各个角度的360°全景图，还有360°视频版本，满足你游览大川大河的梦想~
360度全景视角风景，上面的图片像素非常大并且相当清晰,可以做360度全景鸟瞰,还配有相应地区风情的轻。
日出日落，街景夜景，航拍，街拍……点开每个景点，还配有符合城市景点特色的，真的会让人恍惚有环游世界的错觉。
更贴心的是，网站可以转换成各种语言，每一张都是高清大片，随便截一张都能当壁纸。暂时没钱出国的，在网站上遛一圈也是非常美妙的体验哦~
网页链接
花火
花火是质量非常高的一个动态图表制作网站，如果你经常跟Excel打交道，那花火可以轻松为你做出各类精美的动态图表。不管是学生还是上班族，在PPT里放上用花火制作出的表格，一定能给你的PPT增光添彩~
花火提供10种动态图表模板，包括动态条形图、动态排名图、动态柱状图、动态瀑布图等。不管你想演示什么效果，里面都能有一款模板为你准备~
网页链接
EDX
EDX是一个由麻省理工学院和哈佛大学在2012年联合创办的大规模开放在线课堂。它免费给大众提供大学水平的在线课堂，网站是以非盈利组织来运营的。
虽然学习是免费的，但是一个课程学习完成，认证却是需要收费的。EDX目前已经由超过160所大学加入，包括了国内的清华大学和北京大学。
网页链接
分享到这里就结束啦~希望可以帮助到你！
搜索引擎之同义词、近义词、上位词挖掘
在搜索引擎中，我们会碰到大量的同义词需求。用户在描述同一个东西的时候，会有各种各样的描述。在电商搜索环境中，同义词分成好几类：
1.品牌同义词：nokia=诺基亚，Adidas=阿迪达斯
2.产品同义词：投影仪≈投影机，电话≈cellphone;automobile和car。
3.旧词和新词：自行车->脚踏车
4.南方用词和北方用词：番茄->西红柿。
5.传统的同义词：储物柜和收纳柜。
6.错别字同义词：瑜伽和瑜珈（错误写为斜王旁）
对应英文来说，还有词干提取，如单复数、动词原形和ing形式；英文还有一个特殊的现象，例如两个单词可以分开写，也可以合并在一起，例如keychain和keychian（钥匙链），boyfriend和boyfriend。
近义词就比较多了：包括size大码≈大号；短裤和热裤；边疆和边疆。
上位词：苹果手机上位词是手机。
反义词：宽松和修身。当我们做query改写的时候，改写千万不能改写出反义词。
如果我们仔细观察，我们会发现有的词可以互相替换，有些词是只能单向替换（换一个方向就不对了，例如周杰伦可以替换为周董，但是周董只能在一定情况下替换为周董）。
我们可以从用户搜索词、商品标题、搜索和点击来获取。最根本的来源还是商家对商品标题的优化，聪明的商家会把同义词堆叠在标题中，以期望获取到更多的流量。
从点击日志上看，如果w1和w2是同义词，那么搜索w1和搜索w2，理论上会有大量的共同点击的商品x1、x2、x3等等。
标题商品标题得到大量的语料，例如投影仪和投影机，拉杆箱(drawbarbox)和旅行箱(luggage)。
通过统计或者word2vec训练词的相关性，找到高相关度的词。统计这些词在标题中共同出现次数，即w1和w2的共现次数。
fromgensim.test.utilsimportcommon_texts,get_tmpfile
fromgensim.modelsimportWord2Vec
model_path="./data/word2vec_en_50d.model"
model=Word2Vec.load(model_path)
model.wv['computer']
Out[6]:
array([-0.48867282,-0.10507897,-0.23138586,-0.10871041,0.1514824,
-0.01487145,-0.385491,0.01792672,-0.32512784,-0.9063424,
-0.5428677,0.6565156,0.02183418,0.07939139,0.03485253,
0.319492,-0.27633888,0.52685845,-0.0582791,-0.4844649,
0.249212,0.8144138,-0.03233343,-0.36086813,0.34835583,
-0.07177112,0.0828275,0.6612073,0.74526566,-0.12676844,
-0.08891173,-0.08520225,-0.04619604,0.13580324,0.183159,
0.15528682,0.01727525,-0.43599448,-0.2579532,-0.23192754,
-0.32965428,0.09547858,0.00419413,-0.06285212,0.18150753,
-0.21699691,0.60977536,-0.06555454,0.35746607,-0.06610812],
dtype=float32)
In[13]:
model.wv.similarity('case','cover')#case和cover在描述手机壳的时候基本是同义词
Out[13]:
0.8538678
In[22]:
defget_top_sim(word):
similary_words=model.wv.most_similar(word,topn=10)
forw,sinsimilary_words:
print(word,"=",w,s)
get_top_sim('case')
case=holder0.8879926800727844
case=clamshell0.887456476688385
case=tablet0.8748524188995361
case=storage0.8703626990318298
case=carrying0.8672872185707092
case=hardcase0.8580055236816406
case=carring0.8558304309844971
case=seal0.8552369475364685
case=cover0.8538679480552673
case=stand0.8476276993751526
通过word2vec，我们可以找出原始词和最相似的10个单词，然后我们统计origin和substitute（原始词和替代词）在标题中的共现次数，通过这种挖掘，我们找到大量的候选词对，这种词通过人工review可以作为同义词的候选。
对这种情况稍微做一些扩展，我们就能得到同义query到同义query之间的对应关系。
统计分析上位词，统计每个商品类目下的产品词，出现次数topn的产品词w，对应到商品的类目词c，那么w->c很可能就是一个上位词关系。
在维护词表的时候，我们一定不能忘记人工词表。人工词表的维护必须要有后台工具。
1、在商品标题对应的索引词中做同义词扩展，当不用不管用同义词的哪一个来搜索的时候都可以搜索到。
2、在QueryProcess模块中，对词做同义词扩展、做近义词改写，改写出来的近义词的权重要比原始词的权重更小。在改写中，我们还会遇到一个问题，Q（分词为w1，w2，w3）改写成q1（w1，w2）和q2（w2，w3）的时候，我们会遇到q1和q2分别和Q如何计算相关性的问题。
3、当query做同义词改写的时候，需要一些词做context（上下文）。如“周董的新歌”可以修改为“周杰伦的新歌”，但是“周董的公司”就未必是周杰伦的公司了。
参考文献：
1、搜索引擎同义词反馈机制【百度搜索研发部】
2、https://www.docin.com/p-1136208118.html
3、面向检索信息的同义词挖掘
总结：以上就是本站针对你的问题搜集整理的答案，希望对你有所帮助。