NLTK和sklearn等python类库已经实现了一项任务中大多数需要的工具。理解算法后也能够应用，包括一些调参的部分。但总感觉工程能力不足，只能流程化得完成一项任务。中间总觉得差点什么。是不是应该去实现一些算法和基础ETL代码来增加编程能力？

类似我在百度上搜索这个：“有向无环图” “前额叶皮质”引号不能去掉，否则关键词会被拆分。只能搜到8个结果。这两个词同时出现的概率应该是相当低了。我想要大量调用这个功能，估计用百度调用次数多了肯定会被限制，有没有什么地方能够下载这种数据库或者无限调用这个东西？不需要非常全，只要能大幅度减少调用百度的次数就行了。

百度是凤巢model组做ctr方面的，微软是Bing广告算法组，做触发方面。都在北京，不想出国。请教个人发展与风险，希望知乎了解的大牛们不吝赐教，非常感谢。

网上很多都是自带的数据集，这个数据集应该是什么格式啊？

在虚拟机win 8下运用Xshell连接到linux服务器运行这个word2vec，各项工作都已做好，为什么运行distance vectors.bin的时候出现了Out of dictionary word!。另外，我没用distance vectors.bin命令，直接用java代码来解决bin文件，结果eclipse崩了补充一句：语料是我自己分好词的UTF8文本，再者我在文本里直接写入几个词来运行都不行啊。请各位大神解答一下，多谢。

本科阶段只学过C语言，外加一些线性代数，概率论的知识。现在硕士阶段进行数据挖掘、自然语言处理的学习中感觉到力不从心。不知道从何去入手，有一堆书也不知道先后顺序或者如何搭配。数据结构与算法、离散数学、数据库等内容也不清楚。总而言之就是相当之困惑，感觉前景一片黑暗，希望能有人帮我解下惑，不胜感激！！

想对处理的文本中的同义词进行替换，拟采用的方案是，比如读入同义词列表{Ah14C02= 心肝 宝贝 心肝宝贝 宠儿 命根子 掌上明珠 命根 宝贝儿}，然后扫描文本，将出现在这个列表中的所有词语都替换为第一个：心肝，或者前面的代码：Ah14C02。但在实际的操作中却遇到了问题，同一个词存在多义，比如对于前面的“宝贝”，还同时存在于列表{Ba08A01= 宝物 宝贝 宝 珍 琛 珍品 珍宝 至宝 无价宝 瑰}中，这时候如果文本中遇到了“宝贝”这个词就不知道应该替换为“心肝”还是“宝物”了。因为自己不是相关方向的，谷歌也没有找到其他人遇到相关的问题，所以来知乎寻求一下大家的帮助，感谢！

我尝试了拿jieba分词库里的提取关键词的方法，已经跑了24小时了，并没有出结果，希望大家给些建议，谢谢~

基础薄弱，第一次接触信息提取领域，老师也建议了解自然语言处理领域。本人想尽快上手，在半年内为明年的毕业论文打好基础，求各路大神教我。