语料编程
1. 渡者之言翻译
渡者之言翻译如下：
渡者之言是一款由中国团队开发的开源中文自然语言处理工具。该工具涵盖了分词、词性标注、命名实体识别、依存句法分析等常见自然语言处散搭理任务，并支持多种中文文本编码格式，可以被广泛应用于各种文本分析和挖掘场景。
此外，渡者之言还提供了可视化的分析界面和用户友好的API接口，方便用户进行快速文本处理和定制化应用开发。可见，渡者之言在中文自然语言处理领域具有较高的应用价值和技术竞争力。渡者之言是一款对于中文自然语言处理具有重要意义的开源工具，拥有丰富的功能和易用的接粗启口，是中文语言处理领域中不可或缺的研究和应用工具之一。
渡者之言是一个包含多种自然语言处理功能的开源平台，支持中文文本的分词、词性标注、命名实体识别、句法分析、情感分析、关键词提取等常用功能。
作为一个自然语言处理平台，渡者之言在处理中文文本方面具有许多优势：
1.中文特殊性：相较于英文等其他语言，中文存在大量复合词、歧义词汇、省略结构等独特的语言现象，需要针对性地处理。
2.深度学习技术：渡者之言采用深度学习模型，在信息获取、语义理解等方面有较高的准确度。
3.预训练模型：渡者之言基于大规模的中文语料库进行预训练，将可用性和鲁棒性提升至一个新的层次。
除此之外，渡者之言支持多种编程语言接口，如python、岩掘如Java、Go、PHP等，方便开发者快速集成到自己的应用中。同时也减轻了开发者在项目中处理中文文本的工作量，提高了生产效率。
2. 深度学习，需要怎么做到
1、深度学习，首先要学会给自己定定目标（大、小、长、短），这样学习会有一个方向；然后要学会梳理自身学习情况，以课本为基础，结合自己做的笔记、试卷、掌握的薄弱环节、存在的问题等，合理的分配时间，有针对性、具体的去一点一点的去攻克、落实。
2、可以学习掌握速读记忆的能力，提高学习复习效率。速读记忆是一种高效的学习、复习方法，其训练原理就在于激活“脑、眼”潜能，培养形成眼脑直映式的阅读、学习方式。速读记忆的练坦升州习见《精英特全脑速读记忆训练》，用软件练习，每天一个多小时，一个月的时间，可以把阅读速度提高5、6倍，记忆力、注笑旁意力、思维、理让蔽解力等也会得到相应的提高，最终提高学习、复习效率，取得好成绩。如果你的阅读、学习效率低的话，可以好好的去练习一下。
3、要学会整合知识点。把需要学习的信息、掌握的知识分类，做成思维导图或知识点卡片，会让你的大脑、思维条理清醒，方便记忆、温习、掌握。同时，要学会把新知识和已学知识联系起来，不断糅合、完善你的知识体系。这样能够促进理解，加深记忆。
4、做题的时候要学会反思、归类、整理出对应的解题思路。遇到错的题（粗心做错也好、不会做也罢），最好能把这些错题收集起来，每个科目都建立一个独立的错题集（错题集要归类），当我们进行考前复习的时候，它们是重点复习对象，保证不再同样的问题上再出错、再丢分。
3. 有什么好的可以翻译句子的英语翻译软件啊
Google的语言工具
联通在线翻译
谷歌金山词霸
灵格斯词霸
4. 句酷批改网中动词搭配在语料库中出现算抄袭吗
第一，批改网说明的中式英语等可能就是它的语料库本身不完善，很多好句型可以去如：British National Corpus去找。大家为了分数的话还是要改，只不过不能在大脑里留下“这个表达是中式英语，以后不能再用”的想法，你可以多方查证，我聚个非常简单的例子： learn knowledge就是中式英语，应该用obtain，get等，这些就需要你去查证，也许批改网会报错
第二，很多错误，如时态，单复数，代词指代等，作为一个了解电子评改基础算法的人我可以说，能查出语言的各种细节的机器和的制造难度不亚于完美的机器翻译和人工智能通过图灵测试。所以你拿了高瞎咐分，很可能在英语考级或者TOEFL等实力测试中因为各种基础错误连篇而败得很惨。
第三，因为写作思维的不同，我们的很多表达只能被中国人理解，但电脑就认为是中式英语，然后你再改，又是中式英语表达，但是假设通过了（这个很容易），可是它还是中式英语。相反，很多优美的句子，也许来自着名的英语母语的作家，或者就来自读者（-，-不是中国的），但是这句在语料库中出现很少（经过测试），批改网的评分十分缺乏理解美文美句的能力。比如你写一篇中文作文，有那么几句如泣如诉，恍若天成，那么这篇作文可能因为这句话而上几个等级，但是在电脑看来，这种感性的“感觉”不会存在，最多是，判断一句，然后做出“很好”然后在判断一句“一般”，再判断“好”，你的那句有着修辞用法的句子即使没有被误判为有错误，那么最多给你的作文增加0.5-1分。
写到这里，笔者觉察到似乎写得不是很有头绪，也许是因为经验，即使是条例化的经验也是包含在感觉中的，更何况我好似一直在批判……
那么，以上的总结可以姑且概括为——如果你需要提高分数或者只要分数，那么往下看，如果你认为你只希望提高能力，那么下面你就参考参考，一直用，你的分数高了，能力却不会有什么上升。
为了更清楚，我决定分条写，但这样的弊端是相互间联系很小了：
先说总体提分，再说具体：
改的次数。要是没有吃苦的精神，又不是高帅富白富美，那么要拿高分，不吃苦怎么行。一篇作文不改到90上你良心要是安宁，那么，祝贺你，你将有好的心态到老并很有可能是一事无成到老。有同学说了，我基础差，好，那么也要上85，这是底线！那么，怎么改，首先你英语基础不能太差，有同学说我就是很差怎么办，我就是高考英语没及格怎么办？能怎么办，什么都别说了，开始学呗！怎么学？首先语法上，不要求你现在拿回高考的选择题做，100道能对75道以上，你至少要对错误有基础意思。红色错误，一定要改！这是原则一。因为类似于编程，erroring一定是违背基础语法的，这类问题你不能总是说“批改网有问题！“，也许有问题，不过笔者也只是遇到过某个单词它太笨或者太低级，不认识过于专业的单词或者英美式对于某个东西各有各的说法磨谈纯，但是它只认识一种，举个例子enterogastric disease，肠胃病，但是它不认识，换成intestinal tract disease吧，它又说要加the……当然，我觉得批改网要求加上介词的情况比现实中美国英语要多。也许它是习惯了莎士比亚时代的那个the的富含量……哈，开个玩笑。
总之，红色错误是一定要改的，一般一个红色错误都有0.5-1.5分的飞跃。
而黄色警告，如果你要求高分，注意——黄色警告一定要在3个以下！否则你的分数就会比期望至少低1-5分·。
然后就有2种情况了，第一——我改后，红色错误没了，黄色警告3个左右了，为什么分数还是不好，这时你还是要改。之前是改正，侍帆现在是改进！你英语基础不好，状语从句，非限，主词从句，形式主语，定语从句是使用得最多的加分句子，注意我指的是在批改网上。我举个例子，你想说什么东西很重要：
Apparently，it goes without saying that XXX that（这个东西，比如你说iphone，那你加解释，was invented by Jobs/was proced by Apple.Inc等等，Jobs你又who……或者whose reputation and creativity ……等等）play/plays an important role in XXXX，whichXXXXX.这只是一个很通俗的例子，只需要一点点的语法知识，一个句子串起来怎么也会有25-50个词吧，句子长度和连接词是电子批改的算法观察点之一！
5. 如何用计算机软件或者编程方法做简单的语料统计
编程世如升是肯定可以实现的，橡中有空格就容易隔开分离出来
或许直接用excel自带的软件或许也能实现，可能搜老而已
6. 0基础自学python，有入门书籍推荐下么
AlphaGo都在使用的Python语言，是最接近AI的编程语言。
教育部考试中心近日发布了“关于全国计算机等级（NCRE）体系调整”的通知，决定自2018年3月起，在全国计算机二级考试中加入了“Python语言程序设计”科目。
9个月前，浙江省信息技术课程改革方案已经出台，Python确定进入浙江省信息技术教材，从2018年起浙江省信息技术教材编程语言将会从vb更换为Python。
小学生都开始学Python了，天呐撸，学习Python看完这些准没错。
安利一波书单
Python入门
《Python编程快速上手——让繁琐工作自动化》
作者：【美】AlSweigart（斯维加特）
Python3编程从入门到实践
亚马逊畅销Python编程图书
本书是一本面向实践的Python编程实用指南。本书不仅介绍了Python语言的基础知识，而且还通过项目实践教会读者如何应用这些知识和技能。本书的第一部分介绍了基本Python编程概念，第二部分介绍了一些不同的任务，通过编写Python程序，可以让计算机自动完成它们。第二部分的每一章都有一些项目程序，供读者学习。每章的末尾还提供了一些习题和深入的实践项目，帮助读者巩固所学的知识，附录部分提供了所有习题的解答。
《“笨办法”学Python（第3版）》
作者：【美】ZedA.Shaw
《“笨办法”学Python(第3版)》是一本Python入门书籍，适合对计算机了解不多，没有学过编程，但对编程感兴趣的读者学习使用。这本书以习题的方式引导读者一步一步学习编程，从简单的打印一直讲到完整项目的实现，让初学者从基础的编程技术入手，最终体验到软件开发的基本过程。
《“笨办法”学Python(第3版)》结构非常简单，共包括52个习题，其中26个覆盖了输入/输出、变量辩姿者和函数三个主题，另外26个覆盖了一些比较高级的话题，如条件判断、循环、类和对象、代码测试及项目的实现等。每一章的格式基本相同，以代码习题开始，按照说明编写代码，运行并检查结果，然后再做附加练习。
《Python编程初学者指南》
作者：【美】MichaelDawson
《Python编程初学者指南》尝试以轻松有趣的方式来帮助初学者掌握Python语言和编程技能。全书共12章，每一章都会用一个完整的游戏来演示其中的关键知识点，并通过编写好玩的小软件这种方式来学习编程，引发读者的兴趣，降低学习的难度。每章最后都会对该章的知识点进行小结，还会给出一些小练习让读者试试身手。作者很巧妙的将所有编程知识嵌入到了这些例子中，真正做到了寓教于乐。
《数据结构（Python语言描述）》
作者：【美】KennethA.Lambert（兰伯特）
在计算机科学中，数据结构是一门进阶性课程，概念抽象，难度较大。Python语言的语法册歼简单，交互性强携薯。用Python来讲解数据结构等主题，比C语言等实现起来更为容易，更为清晰。
本书第1章简单介绍了Python语言的基础知识和特性。第2章到第4章对抽象数据类型、数据结构、复杂度分析、数组和线性链表结构进行了详细介绍，第5章和第6章重点介绍了面向对象设计的相关知识、第5章包括接口和实现之间的重点差异、多态以及信息隐藏等内容，第6章主要讲解继承的相关知识，第7章到第9章以栈、队列和列表为代表，介绍了线性集合的相关知识。第10章介绍了各种树结构，第11章讲解了集和字典的相关内容，第12章介绍了图和图处理算法。每章最后，还给出了复习题和案例学习，帮助读者巩固和思考。
像计算机科学家一样思考Python》
作者：【美】AllenB.Downey
本书按照培养读者像计算机科学家一样的思维方式的思路来教授Python语言编程。全书贯穿的主体是如何思考、设计、开发的方法，而具体的编程语言，只是提供一个具体场景方便介绍的媒介。并不是一本介绍语言的书，而是一本介绍编程思想的书。和其他编程设计语言书籍不同，它不拘泥于语言细节，而是尝试从初学者的角度出发，用生动的示例和丰富的练习来引导读者渐入佳境。
Python进阶
Python高级编程（第2版）》
作者：【波兰】Micha?Jaworski（贾沃斯基）,【法】TarekZiadé（莱德）
本书基于Python3.5版本进行讲解，通过13章的内容，深度揭示了Python编程的高级技巧。本书从Python语言及其社区的现状开始介绍，对Python语法、命名规则、Python包的编写、部署代码、扩展程序开发、管理代码、文档编写、测试开发、代码优化、并发编程、设计模式等重要话题进行了全面系统化的讲解。
本书适合想要进一步提高自身Python编程技能的读者阅读，也适合对Python编程感兴趣的读者参考学习。全书结合典型且实用的开发案例，可以帮助读者创建高性能的、可靠且可维护的Python应用。
《Python高性能编程》
作者：【美】戈雷利克（MichaGorelick）,欧日沃尔德（IanOzsvald）
本书共有12章，围绕如何进行代码优化和加快实际应用的运行速度进行详细讲解。本书主要包含以下主题：计算机内部结构的背景知识、列表和元组、字典和集合、迭代器和生成器、矩阵和矢量计算、并发、集群和工作队列等。最后，通过一系列真实案例展现了在应用场景中需要注意的问题。
本书适合初级和中级Python程序员、有一定Python语言基础想要得到进阶和提高的读者阅读
《Python极客项目编程》
作者：【美】MaheshVenkitachalam
Python是一种解释型、面向对象、动态数据类型的高级程序设计语言。通过Python编程，我们能够解决现实生活中的很多任务。
本书通过14个有趣的项目，帮助和鼓励读者探索Python编程的世界。全书共14章，分别介绍了通过Python编程实现的一些有趣项目，包括解析iTunes播放列表、模拟人工生命、创建ASCII码艺术图、照片拼接、生成三维立体图、创建粒子模拟的烟花喷泉效果、实现立体光线投射算法，以及用Python结合Arino和树莓派等硬件的电子项目。本书并不介绍Python语言的基础知识，而是通过一系列不简单的项目，展示如何用Python来解决各种实际问题，以及如何使用一些流行的Python库。
《Python核心编程（第3版）》
作者：【美】WesleyChun（卫斯理春）
本书是经典畅销图书《Python核心编程（第二版）》的全新升级版本，总共分为3部分。第1部分讲解了Python的一些通用应用，包括正则表达式、网络编程、Internet客户端编程、多线程编程、GUI编程、数据库编程、MicrosoftOffice编程、扩展Python等内容。第2部分讲解了与Web开发相关的主题，包括Web客户端和服务器、CGI和WSGI相关的Web编程、DiangoWeb框架、云计算、高级Web服务。第3部分则为一个补充/实验章节，包括文本处理以及一些其他内容。
本书适合具有一定经验的Python开发人员阅读。
Python机器学习——预测分析核心算法》
作者：【美】MichaelBowles（鲍尔斯）
在学习和研究机器学习的时候，面临令人眼花缭乱的算法，机器学习新手往往会不知所措。本书从算法和Python语言实现的角度，帮助读者认识机器学习。
本书专注于两类核心的“算法族”，即惩罚线性回归和集成方法，并通过代码实例来展示所讨论的算法的使用原则。全书共分为7章，详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。
《Python机器学习实践指南》
作者：【美】AlexanderT.Combs
机器学习是近年来渐趋热门的一个领域，同时Python语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和Python语言两个热门的领域，通过利用两种核心的机器学习算法来将Python语言在数据分析方面的优势发挥到极致。
全书共有10章。第1章讲解了Python机器学习的生态系统，剩余9章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。
《精通Python自然语言处理》
作者：【印度】DeeptiChopra,NisheethJoshi,ItiMathur
自然语言处理是计算语言学和人工智能之中与人机交互相关的领域之一。
本书是学习自然语言处理的一本综合学习指南，介绍了如何用Python实现各种NLP任务，以帮助读者创建基于真实生活应用的项目。全书共10章，分别涉及字符串操作、统计语言建模、形态学、词性标注、语法解析、语义分析、情感分析、信息检索、语篇分析和NLP系统评估等主题。
本书适合熟悉Python语言并对自然语言处理开发有一定了解和兴趣的读者阅读参考。
Python数据科学指南》
作者：【印度】GopiSubramanian（萨伯拉曼尼安）
60多个实用的开发技巧，帮你探索Python及其强大的数据科学能力
Python作为一种高级程序设计语言，凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言，并成为数据科学家的首选之一。
本书详细介绍了Python在数据科学中的应用，包括数据探索、数据分析与挖掘、机器学习、大规模机器学习等主题。每一章都为读者提供了足够的数学知识和代码示例来理解不同深度的算法功能，帮助读者更好地掌握各个知识点。
本书内容结构清晰，示例完整，无论是数据科学领域的新手，还是经验丰富的数据科学家都将从中获益。
《用Python写网络爬虫》
作者：【澳】RichardLawson（理乍得劳森）
本书讲解了如何使用Python来编写网络爬虫程序，内容包括网络爬虫简介，从页面中抓取数据的三种方法，提取缓存中的数据，使用多个线程和进程来进行并发抓取，如何抓取动态页面中的内容，与表单进行交互，处理页面中的验证码问题，以及使用Scarpy和Portia来进行数据抓取，并在最后使用本书介绍的数据抓取技术对几个真实的网站进行了抓取，旨在帮助读者活学活用书中介绍的技术。
本书适合有一定Python编程经验，而且对爬虫技术感兴趣的读者阅读。
《贝叶斯思维：统计建模的Python学习法》
作者：【美】AllenB.Downey
这本书帮助那些希望用数学工具解决实际问题的人们，仅有的要求可能就是懂一点概率知识和程序设计。而贝叶斯方法是一种常见的利用概率学知识去解决不确定性问题的数学方法，对于一个计算机专业的人士，应当熟悉其应用在诸如机器翻译，语音识别，垃圾邮件检测等常见的计算机问题领域。
Python自然语言处理》
作者：【美】StevenBird,EwanKlein,EdwardLoper
自然语言处理(NaturalLanguageProcessing，NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能够实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及所有用计算机对自然语言进行的操作。
《Python自然语言处理》是自然语言处理领域的一本实用入门指南，旨在帮助读者学习如何编写程序来分析书面语言。《Python自然语言处理》基于Python编程语言以及一个名为NLTK的自然语言工具包的开源库，但并不要求读者有Python编程的经验。全书共11章，按照难易程度顺序编排。第1章到第3章介绍了语言处理的基础，讲述如何使用小的Python程序分析感兴趣的文本信息。第4章讨论结构化程序设计，以巩固前面几章中介绍的编程要点。第5章到第7章介绍语言处理的基本原理，包括标注、分类和信息提取等。第8章到第10章介绍了句子解析、句法结构识别和句意表达方法。第11章介绍了如何有效管理语言数据。后记部分简要讨论了NLP领域的过去和未来。
本书的实践性很强，包括上百个实际可用的例子和分级练习。可供读者用于自学，也可以作为自然语言处理或计算语言学课程的教科书，还可以作为人工智能、文本挖掘、语料库语言学等课程的补充读物。
Python数据分析》
作者：【印尼】IvanIdris
Python是一种多范型编程语言，既适用于面向对象的应用开发，又适合函数式设计模式。Python已经成为数据科学家进行数据分析、可视化以及机器学习的一种理想编程语言，它能帮助你快速提升工作效率。
本书将会带领新手熟悉Python数据分析相关领域的方方面面，从数据检索、清洗、操作、可视化、存储到高级分析和建模。同时，本书着重讲解一系列开源的Python模块，诸如NumPy、SciPy、matplotlib、pandas、IPython、Cython、scikit-learn和NLTK等。此外，本书还介绍了数据可视化、信号处理、时间序列分析、数据库、预测性分析和机器学习等主题。通过阅读本书，你将华丽变身数据分析高手。
7. 为什么说编程和英语是每个人都必须掌握的技能
一个显而易见的事实是，计算机和互联网早已渗透我们生活的方方面面，并且在可预见的未来里将会与现实有着更为紧密的结合。从社交聊天，吃喝玩乐，学习提升到你在手机上打开这篇文章开始阅读，它们无所不在，而这一切都离不开计算机和编程技术的发展。计算机技术对一个国家未来的发展显然有着至关重要的作用。
但你可能会有疑惑：我只是个文科生/我不是IT行业的，编程跟我有什么关系呢？
说一说我自己的理解。大家一定都用过谷歌翻译吧？你还记得5年前，10年前的谷歌翻译是什么样子吗？有没有感觉谷歌翻译的质量正变得越来越好？（虽然跟人工翻译还有很大的差距），而这一切又是怎么发生的？
谷歌翻译质量提升的重要关键并不是语言学和语料库研究的突破，而是因为一项技术：大数据。
在大数据技术出现之前，传统的机器翻译大概遵循以下的规则：先设定好一套尽可能完善的语法规则以及两种语言的对应词库，然后根据这套规毁耐则对输入的语言进行翻译。为了完善语法规则和词库，机器翻译研究机构曾经雇佣了很多语言学和翻译专家，但研究了很久最终结果并却不理想。比如，由于机器翻译死抠语法规则，翻译"It serves him right."这句话可能会得到“它服务他正确”这样荒诞的结果。
直到大数据技术出现，机器翻译才有了新的突破。简单来说，使用大数据进行翻译时并不是按照语法规则来翻译的，而是按照数据之间的相关性和机器学习算法。比如翻译"It serves him right."这句话时谷歌并不是逐词翻译，而是将整个句子放到互联网数据库中搜索，然后统计出整个互联网上所有与这句话翻译相关的结果（比如各种中文英对照文章中可能会出现这个句子及对照翻译），而统计次数最高的译文就可以作为最终的答案参考。通过这样处理后，谷歌能够保证翻译出来的结果在互联网上最为流行，被用户接受程度纤仿春最高，翻译的质量也有了很大的提升。
这就是计算机技术在翻译领域的一个成功应用。
举这个例子是为了说明，即使是纯文科的翻译领域也会不可避免地与计算机技术产生交集，其他学科更不必说。其实在欧美大学文科生学编程并不是什么大陵新鲜事，不少文科生已经开始用Python（一种脚本语言）进行文本挖掘以及数据处理了。国内目前也有大学开设了计算机和语言学交叉课程，比如有个课程叫“计算语言学”，基本上就是采用编程和数学的方式来研究英语，有兴趣的同学可以了解下。
因此不管是从功利还是从兴趣爱好的角度来讲，编程在现在及未来都将是一门非常重要的技能。
懂编程能够带给你很多实际收益。就拿英语学习来说，如果你懂编程的话可以写爬虫去各大词典网站抓取自己感兴趣的单词，制作生词本，可以统计高频词，还可以量身抓取外媒上第一手的听力和阅读材料。有意思的应用还有很多，就看你的想象力和创造力了。
8. 苍云500模式切换
苍云500是一种常用的工业控制器，它可以实现核岁多种不同的控制模式。在使用苍云500时，我们可以根据实际需要选择不同的控制搜氏渗模式来进行操作。
苍云500的控制模式主要包括以下几种：
1. 位置控制模式：在这种模式下，控制器会根据设定的位置来控制电机的运动，以达到精准的位置控制。
2. 速度控制模式：在这种模式下，控制器会根据设定的速度来控制电机的运动，以达到精准的速度控制。
3. 力控制模式：在这种模式下，控制器会根据设定的力来控制电机的运动，以达到精准的力控制。
切换苍云500的控制模式可以通过以下步骤实现：
1. 进入苍云500的世脊编程模式。
2. 找到控制模式切换的相关参数，例如位置控制模式、速度控制模式或力控制模式等。
3. 根据实际需要，选择相应的控制模式。
4. 保存参数，并退出编程模式。
需要注意的是，在切换控制模式时，要根据实际需求进行选择，并仔细检查相关参数，确保控制器能够正常运行。
9. 你小时候最喜欢做的事是什么为什么最讨厌做的事是什么为什么
我小时候最喜欢做的事情是玩游戏，因为玩游戏卖伏能够很好地释放压力，它不仅能锻炼脑力，还能增带配早强团队协作能力，还有一种特殊的乐趣感。蠢雀我最不喜欢的事情就是功课了，因为它需要仔细而认真的学习，且多数时候有着枯燥无味，累赘的感觉。因此，在我小时候，我更喜欢玩游戏而讨厌做功课。
10. 机器学习算法怎么使用中文语料
这个事情很简单
首先得有词汇特征 就是一组词语的集合
比如特征集可以是
[这，个，事情，简单，机器，学习，中文，语料]
有了这个以后就可以表示句子了
例如：
“这个事情很简单”
[1, 1, 1, 1, 0, 0, 0, 0]
"机器学习算法怎么使用中文语料"
[0, 0, 0, 0, 1, 1, 1, 1]
看出啥意思了吧，对于一个句子，特征词出现的位置就标1，不出现就标0。所以句子就成了向量，用欧氏距离、余弦夹角等等方法就可以计算两个向量的相似度，那就对应句子的相似度了。
这里面特征词选择方法有很多，常见的有TF、DF、TF-IDF等等，也可以人为指定。
向量里面表的数值也有很多算法，0、1是比较适合情感倾向分析的标法。
PMI指的是点互信息
PMI(a, b)=p(a,b)/(p(a)p(b))
假设有一个句子集合，总量为N
出现a次数为A，出现b次数为B
a和b同时出现在同一句话中的次数为C
则有p(a)=A/N， p(b)=B/N， p(a,b)=C/N
带入到公式里就算出PMI了。
计算PMI时，A、B、C、N的统计方法有很多策略，根据实际情况定。
相关资料你可以看一下《统计自然语言处理》 宗成庆 写的。
若想了解更牛逼的办法的话 先把统计分析、实分析、泛函分析、变分分析、随机过程、矩阵论、向量空间论、模糊数学、图论、代数图论、数学分析、统计机器学习、模式识别、神经网络、贝叶斯网络、自然语言处理、社会网络这些都学好，就可以独步江湖 称霸机器学习领域了~~哈哈~~