自然语言处理
rolin-刘瑞
技术GEEK
展开
-
Python+NLTK自然语言处理学习(一):环境搭建
最近开始学习Python+NLTK自然语言处理,在此分享自己的学习经验,因为是初学,肯定有很多很多不懂的地方,发布此文章绝非为了显示自己的水平,而是因为网络上对NLTK的资料实在太少了,我就想分享一下自己的心得,也希望能够得到更多高手的指点,希望高手们发现不对的地方耐心指点,切勿针锋相对,这样会打击小弟的学习动力的,呵呵~好了,开始吧。一、到NLTK的官网下载Python2转载 2017-06-02 22:51:36 · 6678 阅读 · 0 评论 -
Python+NLTK自然语言处理学习(二):常用方法(similar、common_contexts、generate)
一、similar用来识别文章中和搜索词相似的词语,可以用在搜索引擎中的相关度识别功能中。text1.similar("monstrous")查询出了text1中与monstrous相关的所有词语:二、common_contexts用来识别2个关键词相似的词语。text2.common_contexts(["monstrous",转载 2017-06-02 22:52:45 · 9254 阅读 · 0 评论 -
Python+NLTK自然语言处理学习(三):计算机自动学习机制
本文演示使用NLTK让计算机学习如何通过名字识别性别。1、导入NLTK:import nltkfrom nltk.book import *2、定义学习方法def gender_features(word): return {'last_letter':word[-1]}3、导入学习的姓名-性别名单:from nltk.co转载 2017-06-02 22:53:31 · 6280 阅读 · 0 评论 -
关于词向量的一篇好的入门文章
作者:Scofield链接:https://www.zhihu.com/question/53354714/answer/155313446来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。很好,正好可借此机会介绍词向量、word2vec以及DeepNLP整套相关的东西:文章很长,是从CSDN上写好复制过来的,亦可直接跳到博客观看:深度学转载 2017-07-13 15:46:42 · 12209 阅读 · 1 评论 -
CRF条件随机场简介
CRF(Conditional Random Field) 条件随机场是近几年自然语言处理领域常用的算法之一,常用于句法分析、命名实体识别、词性标注等。在我看来,CRF就像一个反向的隐马尔可夫模型(HMM),两者都是用了马尔科夫链作为隐含变量的概率转移模型,只不过HMM使用隐含变量生成可观测状态,其生成概率有标注集统计得到,是一个生成模型;而CRF反过来通过可观测状态判别隐含变量,其概率亦通过标注转载 2017-07-07 10:21:45 · 6150 阅读 · 0 评论