- 博客(8)
- 收藏
- 关注
原创 The cluster description problem complexity results formulations and approximations Paper阅读笔记
The cluster description problem complexity results formulations and approximations Paper论文阅读,可解释性文本聚类
2022-08-26 15:15:24
235
原创 detectron2 配置与使用
detectron2 的配置与使用下载与配置数据集注册和训练的准备Training查看标注好的图片下载与配置github地址 https://github.com/facebookresearch/detectron2官方文档 https://detectron2.readthedocs.io/en/latest/index.html环境python >=3.6pytorch >=1.7torchvisionopencv (训练不需要,但使用
2021-08-26 18:33:36
3972
1
转载 BIRCH聚类算法原理
BIRCH聚类算法原理(转载)转载自:https://www.cnblogs.com/pinard/p/6179132.html在K-Means聚类算法原理中,我们讲到了K-Means和Mini Batch K-Means的聚类原理。这里我们再来看看另外一种常见的聚类算法BIRCH。BIRCH算法比较适合于数据量大,类别数K也比较多的情况。它运行速度很快,只需要单遍扫描数据集就能进行聚类,当然需要用到一些技巧,下面我们就对BIRCH算法做一个总结。BIRCH概述 BIRCH的全称是利用层次方
2021-05-27 16:16:57
463
翻译 Which Clustering Do You Want? Inducing Your Ideal Clustering with Minimal Feedback 论文翻译
你想要哪一个?用最少的反馈诱导你的理想聚类摘要:虽然传统的文本聚类研究主要集中在按主题对文档进行分组,但可以想象,用户可能希望按照其他维度(如作者的情绪、性别、年龄或情绪)对文档进行聚类。在不知道用户意图的情况下,聚类算法只会沿着最显著的维度对文档进行分组,而这可能不是用户想要的维度。为了解决沿着用户期望的维度对文档进行聚类的问题,以前的工作主要集中在从手动标注用户意图的数据中学习相似性度量,或者在聚类过程中让人以交互方式构造特征空间。本文提出了一种新的主动聚类算法,该算法允许用户只需检查少量的单词,就
2021-05-05 14:54:14
265
原创 Which Clustering Do You Want? Inducing Your Ideal Clustering with Minimal Feedback论文学习笔记
Which Clustering Do You Want? Inducing Your Ideal Clustering with Minimal Feedback论文学习笔记基于情感的文本聚类第2节介绍谱聚类的基础知识,第3节讨论新的聚类算法。第4节我们描述在几个情感数据集上的用户实验及评价结果第5节工作的意义第6部分讨论相关工作第7节得出结论。文章主要内容:提出了半监督的基于情感聚类的,使用无标记的数据对文本集进行分类。按照用户的意图只检查小部分的单词选择用户希望的方向进行聚类的文本集合
2021-05-05 14:50:52
110
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人