收集了很多用户咨询的问题，如何采用 Python 提取出最常见的问题那？

[daijinming]

我采用 jieba 进行了高频词汇的统计，然后再根据 高频词调出包含的问题，但是感觉这样也不是太好。用户问题一般方式不是太一样，但是关键字都是类似的，如何能提出相似度较高的问题，想求教下大家，不吝赐教

[princelai]

简单点就 TFIDF 提取出每句 TOP5 的词,然后转 one hot 求和，最后求余弦距离

复杂点就 bert 直接整句输入，输出一个 768 维向量，最后还是余弦距离 /Ball-Tree/KD-Tree 这些，无新增直接聚类也应该可以。

[chogath]

统计学问题

[xiaoxinshiwo]

https://www.zhihu.com/question/426631698/answer/1579735064 不明觉厉

[daijinming]

@xiaoxinshiwo 我也是这个感觉，不明觉厉

[daijinming]

@princelai 兄台，理解你说的这话，都需要啥基础

[princelai]

@daijinming #5 只想了解名词大概意思，学 NLP 三天就够了，要想了解原理怎么也得学 2 月吧

[qW7bo2FbzbC0]

https://zhuanlan.zhihu.com/p/166499896 我也看到了这个，不知道和 ES 方案比起来如何

[MOONLIGHTT]

目前深度学习来做文本理解的方案一般是 预训练+finetune，预训练模型里面一般都采用 bert 或者 bert 的变种。

具体的话可以看看这个仓库 https://github.com/ymcui/Chinese-BERT-wwm

[superrichman]

用 jiagu 提取关键词试试? 这个应该是最简单的, 就调一个函数

https://github.com/ownthink/Jiagu