Familia

收录理由

百度开源的Familia把工业级主题建模能力直接送到开发者手里，省去从零训练模型的漫长周期。项目内置基于大规模语料训练好的LDA、SentenceLDA和Topical Word Embedding模型，同时提供文档主题推断与语义匹配工具，能够输出主题向量、抽取关键词、比较文档相似度，也能计算搜索词与网页之间的匹配程度。预训练模型覆盖新闻、小说和网页三类数据，如果业务语料差异较大，还可以在自有数据上重新训练。做文本分类、聚类或个性化推荐时，它给出的是可解释的主题结构，而不是一个黑盒向量。需要留意的是，仓库自2021年起基本停更，更适合当作成熟稳定的工具来用，而非期待持续迭代。