NLP算法详解
主要详细介绍NLP中的经典算法。
Elenstone
这个作者很懒,什么都没留下…
展开
-
熵、信息熵、交叉熵详解
目录 0 前言1 熵1.1 自信息和熵1.2 熵编码1.3 联合熵和条件熵2 互信息3 交叉熵0 前言信息论( Information Theory) 是数学、 物理、 统计、 计算机科学等多个学科的交叉领域。 信息论是由克劳德· 香农最早提出的, 主要研究信息的量化、存储和通信等方法.这里,“信息” 是指一组消息的集合。 假设在一个噪声通道上发送消息, 我们需要考虑如何对每一个信息进行编码、 传输以及解码, 使得接收者可以尽可能准确地重构出消息。在机器学习相关领域, 信息论也有着大量的应用,比如特征原创 2020-05-25 16:03:24 · 1120 阅读 · 0 评论 -
一文读懂NLP之条件随机场算法详解
文章目录0 前言1 马尔科夫随机场1.1 概率图模型的定义1.2 马尔科夫随机场2 条件随机场2.1 条件随机场的定义2.2 条件随机场的参数化形式2.3 条件随机场的例子2.4 条件随机场的简化形式2.5 条件随机场的矩阵形式2.5 条件随机场的三个问题3 条件随机场的概率计算问题3.1 前向-后向算法3.2 概率计算3.3 期望值的计算4. 条件随机场的学习算法4.1 改进的迭代尺度法4.2 ...原创 2020-03-23 17:11:06 · 898 阅读 · 0 评论 -
一文读懂NLP之HMM模型代码python实现与演示
一文读懂NLP之HMM模型代码python实现与演示1. 前言2 概率计算问题2.1 前向算法2.2 后向算法3 模型训练问题3.1 监督学习--最大似然估计2.2 Baum·welch算法4 序列预测问题4.1 维特比算法1. 前言在上一篇《一文读懂NLP之隐马尔科夫模型(HMM)详解加python实现》中已经详细介绍了HMM模型的算法原理,这一篇主要是从零实现HMM模型。定义HMM模型:...原创 2020-03-19 17:20:26 · 654 阅读 · 0 评论 -
一文读懂NLP之隐马尔科夫模型(HMM)详解加python实现
一文读懂NLP之隐马尔科夫模型(HMM)详解加python实现1 隐马尔科夫模型1.1 HMM解决的问题1.2 HMM模型的定义1.2.1HMM的两个假设1.2.2 HMM模型1.3 HMM模型的三个问题概率估计功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定...原创 2020-03-18 18:44:43 · 4737 阅读 · 1 评论