科学空间|Scientific Spaces

由于后面几篇要讲解Word2Vec怎么用，因此笔者先训练好了一个Word2Vec模型。为了节约读者的时间，并且保证读者可以复现后面的结果，笔者决定把这个训练好的模型分享出来，用Gensim训练的。单纯的词向量并不大，但第一篇已经说了，我们要用到完整的Word2Vec模型，因此我将完整的模型分享出来了，包含四个文件，所以文件相对大一些。

提醒读者的是，如果你想获取完整的Word2Vec模型，又不想改源代码，那么Python的Gensim库应该是你唯一的选择，据我所知，其他版本的Word2Vec最后都是只提供词向量给我们，没有完整的模型。

对于做知识挖掘来说，显然用知识库语料（如百科语料）训练的Word2Vec效果会更好。但百科语料我还在爬取中，爬完了我再训练一个模型，到时再分享。

模型概况

这个模型的大概情况如下：
$$\begin{array}{c|c}
\hline
\text{训练语料} & \text{微信公众号的文章，多领域，属于中文平衡语料}\\
\hline
\text{语料数量} & \text{800万篇，总词数达到650亿}\\
\hline
\text{模型词数} & \text{共352196词，基本是中文词，包含常见英文词}\\
\hline
\text{模型结构} & \text{Skip-Gram + Huffman Softmax}\\
\hline
\text{向量维度} & \text{256维}\\
\hline
\text{分词工具} & \text{结巴分词，加入了有50万词条的词典，关闭了新词发现}\\
\hline
\text{训练工具} & \text{Gensim的Word2Vec，服务器训练了7天}\\
\hline
\text{其他情况} & \text{窗口大小为10，最小词频是64，迭代了10次}\\
\hline
\end{array}$$

点击阅读全文...

由于专业需求，需要做主方程的随机模拟。在网上并没有找到适合的Python实现，遂自己写了一个，分享一下源码。至于gillespie算法本身就不介绍了，有需要的读者自然会懂，没需要的读者不建议去懂。

源码

其实基本的gillespie模拟算法很简单，也很好实现，下面就是一个参考例子：

点击阅读全文...

经过几天的努力，网站终于改版好了...
很抱歉，我又再次违背了我的话：我把网站程序从BoBlog转到了PJBlog。

其实，这次改版的主要原因有几个：
1.原来的“宇宙驿站”空间太慢（也许是我个人的感觉），而且不支持ASP；
2.转换到PJBlog是因为它的界面清晰，更加吸引人，阅读感较强；
3.....

点击阅读全文...

4000*4096，超高清，请等待图片下载，点击查看大图片

点击阅读全文...

本表转自空间天文网，和本站一样，该网站也是“宇宙驿站”的成员之一，欢迎互相支持！

事实上，表中描述的大多数是周期流星雨，因此，除非出现特殊情况，此表都可以作为每年的流星雨预测标准（大致时间）。 点击图片放大

点击阅读全文...

Google更换Logo，想必那一天必定是什么重大日子，值得怀念的日子。今天，我们登陆google.cn，就可以发现Google变样了：

点击阅读全文...

图片说明：超新星遗骸E0102-72，版权:X-ray - NASA / CXC / MIT / D.Dewey et al., NASA / CXC / SAO / J.DePasquale; Optical - NASA / STScI

点击阅读全文...

图片说明：微波背景辐射，版权:DMR, COBE, NASA, Four-Year Sky Map

点击阅读全文...