nlp（贪心学院）——笔记

最新推荐文章于 2022-05-08 13:08:43 发布
最新推荐文章于 2022-05-08 13:08:43 发布
阅读量437 收藏
点赞数
分类专栏： 自然语言处理（贪心学院） 文章标签： nlp
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/grateful_dead424/article/details/124518289
版权

任务048：01在训练数据里没有见过的怎么处理？

在这里插入图片描述
第二题，新鱼种的概率约等于之前只抓到一次的鱼的概率加和，即3/18
第三题，即然有新鱼种，抓到为鲨鱼的概率就要降低了

任务049：02Good-Turning Smoothing

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
Good-Turning Smoothing最大的问题是 N c + 1 N_{c+1} Nc+1​可能不存在，此时要利用趋势拟合曲线，做出 N c + 1 N_{c+1} Nc+1​的预测

任务050：03利用语言模型生成句子

在这里插入图片描述
使用Unigram Model生成句子，是不太符合咱们语言的逻辑的，因为它不考虑上下文，也不考虑单词之间的先后顺序
在这里插入图片描述
条件概率矩阵。第一列的单词为条件，I这个单词后面随机采样，采样到like这个单词。。。

1、贪心NLP——课程介绍及NLP概论
weixin_44994758的博客
10-15 649
一、毕业要求 1、完成9个课程项目（每个5~15小时）40% 2、完成聊天机器人项目（40~80小时）15% 3、完成casptone项目（40~100小时）25% 4、完成6篇以上技术博文写作 5、个人github项目满足学院要求 6、通过期中期末考试，完成一周一次Quiz 7、提交不定期布置的论文的阅读总结 8、制作满足要求的简历 二、AI工程师必须具备的核心技能 现实生活中的问题——数学优化问题——通过合适的工具解决 难点：抽象现实问题为数学问题 三、NPL概论 1、NLP
《自然语言处理-基于预训练模型的方法》笔记
github_34349558的博客
08-13 5371
《自然语言处理-基于预训练模型的方法》笔记 文章目录《自然语言处理-基于预训练模型的方法》笔记@[toc]〇.写在前面一、绪论(一) NLP 任务体系I.任务层级II.任务类别III.研究层次(二) 预训练的时代二、NLP 基础(一) 文本表示I.独热向量II.分布式表示III.词嵌入表示IV.词袋表示(二) NLP 任务I.语言模型II. 基础任务III. 应用任务(三) 基本问题I. 文本分类问题II. 结构预测问题III. 序列到序列问题(四) 评价指标I. 标准答案明确的情况II. 标准答案不明确的
200811学习笔记（贪心nlp）
weixin_43621813的博客
08-12 353
难点： 1.多种表达方式 2.一词多义（ambiguity）：考虑上下文（context）
[2019计算机视觉]——贪心学院 学习笔记 3. 神经网络基础
蒟蒻菜鸡的博客
10-21 603
占位符
nlp（贪心学院）——转载
Grateful_Dead424的博客
04-30 909
ai工程师必备的核心功能 现实中的问题—>数学优化问题—>通过合适的工具解决 为什么NLP比CV难？ 图片是所见即所得，而语言不只有表面意思，语言还有更加深入的浅层意思 如何解决一词多义？ 将词放入上下文（context）中去理解 一个简单的机器翻译系统，如何将图中的一句话翻译出来，下面是翻译的例子，方法只能通过词与词对应人工学习出对应规则，然后猜测翻译的句子。 以上存在的问题 翻译速度慢语义不明（歧义）没有考虑上下文翻译后的句子语法不对需要大量的人工规则统计 解决方法：给定一句话，先
【贪心学院】python学习笔记
immortal的小屋
12-22 646
预习课第二章 知识点 作业 first_num=input("请输入第一个数字：") operation=input("请输入运算符：") second_num=input("请输入第二个数字：") #判断输入数字为整型或浮点型 if '.' in first_num: first_num=float(first_num) else: first_num=int(first_...
学习笔记：深度学习（6）——基于深度学习的语言模型
Morganfs的博客
04-25 1597
预训练模型梳理：从NNLM到词嵌入、从ELMo到GPT&BERT，以及After GPT&BERT。
【NLP01】NLP基础——语言模型
Suexy_的博客
02-16 317
本次学习是根据贪心科技的李文哲老师的语言模型课程所整理的相关笔记，并加上自己的理解。 内容包括 语言模型的介绍 Chain Rule 以及马尔可夫假设 Unigram, Bigram, Ngram 估计语言模型的概率 评估语言模型 - Perplexity Add-one 平滑，Add-K平滑 Interpolation平滑 【0】语言模型（Language Model, LM） 概念：...
CS224n笔记——Subword Model（十二）
清崎教练
06-30 256
系列文章 Lecture 1: Introduction and Word Lecture 2: Word Vectors and Word Senses 目录1. word-level Model2. Character-Level Modelsel3. Sub-word model4. FastText embeddings 1. word-level Model 基于词级的模型，例如Word2Vec，是利用word embedding的方法来得到每一个word的vec，这种方法需要去处理巨大的，.
1.绪论——青岛大学王卓老师数据结构课程课堂笔记
fjhkrje的博客
03-23 2904
• 数据结构：数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Tire树 • 算法： 递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法。 1.1数据结构研究 无法用数学公式或者方程来描述，是一些”非数值计算”的程序设计问题，描述非数值计算问题的数学模型不是数学方程，而是诸如表、树和图之类的具有逻辑关系的数据。 数据结构是一门研究非数值计算的程序设计中计算机的操作对象以及它们之间的关系和操作的学科 1.2基本概念和术语 1.2.1 数据、数据元素、数据项和数据.
【学习笔记】贪心NLP训练营08
weixin_42324313的博客
06-16 354
评估标准 文章目录评估标准1 准确率2 精确率和召回率 1 准确率 准确率=分类正确的数量/所有样本的数量 局限性：在样本非常不平衡时不能使用，例如对癌症样本进行预测时，1000人中，癌症患者可能只有5个人，所以癌症患者的概率为0.5%，如果算法不做任何处理，只是单纯地判定为健康人，这样就能得到99.5%的准确率，但是我的模型却不是最好的。 2 精确率和召回率 精确率：在预测为正（负）的样本中，有多少比例的样本是真正的正（负）样本。（查准率） 召回率：有多少比例的正（负）样本被真正预测出来了。（查全率）
[2019计算机视觉]——贪心学院 学习笔记 【大项目】自动驾驶之方向盘转动项目案例(端到端)
蒟蒻菜鸡的博客
10-19 3033
文章目录 论文解读 学习目标 数据收集 网络模型 CNN实现自动驾驶
贪心学习笔记
eazo的博客
01-19 672
定义： 贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是在某种意义上的局部最优解。 贪心算法不是对所有问题都能得到整体最优解，关键是贪心策略的选择，选择的贪心策略必须具备无后效性，即某个状态以前的过程不会影响以后的状态，只与当前状态有关。 例题一：合并费用问题 搬果子 题解 #include <iostream&gt...
nlp（贪心学院）——时序模型、HMM、隐变量模型、EM算法
Grateful_Dead424的博客
05-08 1369
任务225： 时序模型 随时间维度变化的 每时每刻有相关性（t时刻数据t+1时刻数据有相关性） 时序数据长度不确定 时序数据：如股票价格、语音、文本、温度 任务226： HMM的介绍 观测值、隐式变量 z是一个隐式的状态 可以是生成模型，从状态生成观测值 也可以是判别模型 任务227： HMM的应用例子 掷硬币案例 A硬币出现正面的概率是μ1\mu_{1}μ1​ B硬币出现正面的概率是μ2\mu_{2}μ2​ 小明和我隔着一块不透明的布 小明有自己的顺序投A还是投B，我只能看到硬币最后是正面还是反面朝
nlp（贪心学院）——信息抽取
Grateful_Dead424的博客
05-05 1582
任务188： 信息抽取介绍 先抽取实体——>再抽取关系 1）标记实体，实体分类（方便抽取关系） 2）关系抽取（关系是人为定义的） 3）指代消解，一个代词指代多个内容的时候分别到底是指拿个内容 4）实体统一（实体链接） 5）实体消歧 任务189： 命名实体识别介绍 意图识别：先规则，规则不行用模型 任务190： 简历分析场景 主要是定义我关心的实体类别（可能需要大量的词库） 任务191： 搭建NER分类器 一个单词有一种词性，但是有可能几个单词共同组成一个实体，B指开头，I指
贪心学院—自然语言处理—词向量的总结
....
07-03 296
词向量的总结 个人整理笔记，方便复习，若侵权，请联系。 附贪心学院课程链接： https://www.greedyai.com/courseinfor/105
贪心学院—自然语言处理—评估词向量
....
07-02 783
使用上述方法替代目标函数后 Negative Sampling：正样本（文本中出现的组合）是一定的，负样本（文本中为出现的组合）较多，该方法的思想在于：计算时不使用全部的负样本而是随机采样，采样个数可自己设置。 下图为采样个数设为2的情况: 在确定好样本后，进行梯度下降更新。 Skip-Gram model with SGD （skip-gram模型使用梯度下降的大致过程） 评估词向量： TSNE对训练得到的词向量降维到二维空间进行观察； 与已有的数据进行相似度对比； 类比（analogy）：wom
贪心科技机器学习训练营（四）
微信号：RunsenLiu
07-12 1559
这次回归 之前写过关于平安股票的，竟然没想到是同一个案例 平安股票分析 import numpy as np # 数学计算 import pandas as pd # 数据处理, 读取 CSV 文件 (e.g. pd.read_csv) import matplotlib.pyplot as plt from datetime import datetime as dt # 你可以使用如下的方...
贪心学院—自然语言处理—基础介绍
....
07-02 497
基础介绍自然语言处理（natural language processing）NLP的维度NLP项目的实验流程 自然语言处理（natural language processing） NLP=NLU（nature language understanding）+NLG（nature language generate）即自然语言处理是先理解自然语言，然后根据理解生成回复 目前领域面临的问题：一词多义（ambiguity） NLP的维度 由底层到高层的过程： 声音：最底层的形式 单词（morphology）
深度学习实践：神经机器翻译与Transformer模型解析
“伯禹学习平台：动手学深度学习3” 本文主要探讨了深度学习中的一个重要应用领域——机器翻译及其相关技术，包括Encoder-Decoder架构...通过深入理解这些知识点，读者可以更好地掌握深度学习在自然语言处理中的应用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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