学习记录丨如何

文章探讨了支持向量机(SVM)在中小型数据集和非线性问题中的应用,解释了支持向量的概念。同时,提到了NLP领域的关键词提取技术,如TF-IDF和TextRank算法,以及使用预训练模型如Transformers来优化训练过程的优势。
摘要由CSDN通过智能技术生成

任务简介

已有函数库(复杂函数库.xlsx,面对任意一条需要解译的规范条文,推荐解译该条文最需要的函数。

例如:“一级耐火等级的厂房和仓库墙构件中防火墙的燃烧性能为不燃性,耐火极限为3.0h;”需要解译这句话需要三个函数:

“一级耐火等级的厂房和仓库”:获取建筑属性(getProperty(building a,type 0))

“厂房和仓库墙构件中防火墙”:建筑包含构件(hasElement(building a,element b))

“防火墙的燃烧性能为不燃性,耐火极限为3.0h;”:获取构件属性(getProperty(element a,type 0))

我要做的算法是

基于人工构建关键词以及SVM浅层机器学习算法。不是很了解!

大概看了两篇文章

机器学习算法(一)SVM_机器学习svm_不吃饭就会放大招的博客-CSDN博客

了解了支持向量机的基本概念,SVM 适合中小型数据样本、非线性、高维的分类问题Q:支持向量是什么?


虚线上的点到划分超平面的距离都是一样的,实际上只有这几个点共同确定了超平面的位置,因此被称作 “支持向量(support vectors)”,“支持向量机” 也是由此来的。

人工智能 -- NLP 关键词提取:TF-IDF算法 和 TextRank算法_基于人工智能提取关键词的方法_Acegem的博客-CSDN博客w

问题:

不太懂人工构建关键词!

怎么训练模型?

Transformers provides APIs and tools to easily download and train state-of-the-art pretrained models. Using pretrained models can reduce your compute costs, carbon footprint, and save you the time and resources required to train a model from scratch

1.装虚拟机

2.再看一看transformer

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值