一篇只讲常用算法以及几个简单的实现------原理https://blog.csdn.net/Sakura55/article/details/85122966
具体的算法实现 大杂烩：https://github.com/yongzhuo/nlp_xiaojiang/blob/master/FeatureProject/sentence_sim_feature.py（已经把代码复制到 实训下的短文本相似度计算）
https://blog.csdn.net/rensihui/article/details/82416085?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.nonecase
https://blog.csdn.net/baidu_26550817/article/details/80171532
gensim实现LDA(Latent Dirichlet Allocation)算法提取主题词(topic) https://blog.csdn.net/limengmingx/article/details/82900781?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.nonecase 主题词有点类似摘要，没有单独的这一算法的运行结果，不知道丢哪去了。
Keras框架（二）：实现文本相似度的几种模型（代码） https://blog.csdn.net/qq_24140919/article/details/89469318?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase
