Packages

[Python] 使用 Gensim 套件將文字轉成向量（Word2Vec）

在自然語言處理 (NLP) 的任務中，純文字的資料型態本身是相當難以進行處理的，尤其是在機器學習的任務當中。

試想：今天我們輸入圖像進行分類的訓練，我們可以使用『像素值』代表圖片的特徵進入模型當中進行訓練。但是文字呢？

之前在《透過 Python API 在 WordPress 上自動發文》這篇文章有提過，我想要透過 Python 直接將自己在 WordPress 上發表過的文章下載下來，進行簡單的分類。在這之中，我找到的便是名為 python-wordpress-xmlrpc 模組。

在使用 WordPress 經營個人 Blog 的過程中，有時候我常常會希望能夠將所有寫過的文章做個整理。當然，我想要使用的方法當然是『人工慢慢看』以外的方法，比如說透過『API』來取得 WordPress 相關的資料。

Numpy 是在 Python 處理資料時不可或缺的重要模組，常用於進行各種資料分析的工作。

SQLite 與一般 Server/Client 結構的資料庫不同， SQLite 被整合在應用程式當中，為一種嵌入式的資料庫，如果資料比較固定且數量不多，那麼使用 SQLite 可說是較為合適的。

在開發專案的時候，雖然 SVG (Scalable Vector Graphics, 可縮放向量圖) 是非常好用的圖片格式，但有時候我們還是需要一般的 PNG 格式來製造界面。

最近在學習各方大神在 Python 當中實做的各種深度學習模型，剛巧看到了一個不熟悉的模組：Fire。

當然，最早我是不知道 Fire 是一個什麼樣的模組，只覺得名字好怪。一查之下，挖賽不得了，原來這竟然是 Google 於 2017 年在 Github 上開源的套件。

說到『使用 Python 做一個小型專案』，幾乎大部分的網路教學都是在教導怎麼『自己做一個音樂播放器』。無論怎麼說，能夠自己客製化一個音樂播放器，想想也還滿有趣的。

說到『文字雲』(word cloud)，是一個我在研究自然語言處理（NLP）時常常會聽到的名詞。我本來一直以為就是計算詞的頻率，並將『頻率高的字顯示得比較大』而已——其實不然，光是組成的形狀、字該擺放的樣式都是學問，沒有我想得那麼簡單。

最近一直把時間浪費在開發自己有興趣的工具（浪費得非常開心），導致不斷遇到一些關於影像處理的奇怪問題。