![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
nlp
且听风雨999
这个作者很懒,什么都没留下…
展开
-
word2vec
word2vec 资料收集word2vec Parameter Learning ExplainedDeep Learning in NLP (一)词向量和语言模型word2vec 中的数学原理详解原创 2015-03-02 11:19:49 · 3142 阅读 · 0 评论 -
NLP papers
收集的比较好的NLP 论文 资料maxentcrfRNNlstmmaxentcrfRNN1、 一个日本人讲的rnn http://computing.dcu.ie/~tokita/CA684tsuyoshi.pdf2、 将lstm 用于信息检索 论文说比微软的DSSM高两个点,貌似不错。 不过最喜欢的还是论文后面的对lstm的详细推到 Deep Sentence Em原创 2015-03-02 17:54:32 · 3489 阅读 · 0 评论 -
rnn 相关
gate rnnrnn-lstm textDeep Sentence Embedding Using the Long Short Term Memory Network: Analysis and Application to Information RetrievalSEMANTIC MODELLING WITH LONG-SHORT-TERM MEMORY FOR INFORMATION原创 2015-03-03 14:14:16 · 3308 阅读 · 0 评论 -
nlp 文本技术归纳
一直在做文本处理,但感觉做的很分散 没有系统,也没有发现很好的关于NLP的书籍。如果有,请推荐。 现在尝试着总结自己遇到的文本处理技术。1、工具linux 文本处理工具 awk sed 比较常用 推荐两篇左耳朵耗子的博客。我很喜欢的大牛,还有幸和他聊了20分钟,O(∩_∩)O哈哈~ AWK 简明教程 sed 简明教程 python 文本处理 这个也是文本处理的常原创 2015-03-29 09:41:16 · 3625 阅读 · 0 评论 -
语义分析的一些方法(中篇)
2 文本语义分析前面讲到一些文本基本处理方法。一个文本串,对其进行分词和重要性打分后(当然还有更多的文本处理任务),就可以开始更高层的语义分析任务。2.1 Topic Model首先介绍主题模型。说到主题模型,第一时间会想到pLSA,NMF,LDA。关于这几个目前业界最常用的主题模型,已经有相当多的介绍了,譬如文献[60,64]。在这里,主要想聊一下主题模型的应用以及最新进转载 2015-06-02 10:28:12 · 9166 阅读 · 0 评论 -
文本特征提取方法研究
文本特征提取方法研究 一、课题背景概述 文本挖掘是一门交叉性学科,涉及数据挖掘、机器学习、模式识别、人工智能、统计学、计算机语言学、计算机网络技术、信息学等多个领域。文本挖掘就是从大量的文档中发现隐含知识和模式的一种方法和工具,它从数据挖掘发展而来,但与传统的数据挖掘又有许多不同。文本挖掘的对象是海量、异构、分布的文档(web);文档内容是人类所使用的自然语言,缺乏计算机可理解的语义。传统数据挖转载 2015-06-02 15:12:44 · 12306 阅读 · 0 评论 -
语义分析的一些方法(一)
语义分析,本文指运用各种机器学习方法,挖掘与学习文本、图片等的深层次概念。wikipedia上的解释:In machine learning, semantic analysis of a corpus is the task of building structures that approximate concepts from a large set of documents(or imag转载 2015-06-02 10:28:22 · 9384 阅读 · 1 评论 -
语义分析的一些方法(三)
3 图片语义分析3.1 图片分类图片分类是一个最基本的图片语义分析方法。基于深度学习的图片分类传统的图片分类如下图所示,首先需要先手工提取图片特征,譬如SIFT, GIST,再经由VQ coding和Spatial pooling,最后送入传统的分类模型(例如SVM等)。图23. 传统图片分类流程图传统方法里,人工特征提取是一个巨大的消耗性工作。转载 2015-06-02 10:29:12 · 15618 阅读 · 1 评论