高盛、亚马逊资深工程师:知识图谱技术与应用

一、知识图谱课程讲师:

李文哲:人工智能、知识图谱领域专家。曾任凡普金科(爱钱进)首席数据科学家、 北京会牛科技的首席科学家兼投资总监、美国亚马逊和高盛的高级工程师,负责过金融知识图谱、聊天机器人、量化交易、自适应教学系统等核心项目。美国南加州大学人工智能博士、荷兰阿姆斯特丹大学访问学生, 先后在 AAAI、KDD、AISTATS、IAAI、CHI 等国际顶会议上发表过15篇以上论文、 并荣获 IAAI, IPDPS-Parlearning,CISC-W的 Best Paper Award。


  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,以下是制作《高盛帝国》词云的步骤: 1. 收集文本数据:从网络上获取《高盛帝国》电影剧本的文本数据,可以在搜索引擎上搜索《高盛帝国》剧本,找到相关网站进行下载。 2. 文本预处理:使用Python编程语言中的nltk包进行文本预处理,包括分词、去除停用词、标点符号等等。以下是一个Python代码示例: ```python import nltk from nltk.corpus import stopwords from nltk.tokenize import word_tokenize # 读取文本文件 with open('the_wolf_of_wall_street.txt', 'r') as f: text = f.read() # 分词 tokens = word_tokenize(text) # 去除停用词和标点符号 stop_words = set(stopwords.words('english')) tokens = [word.lower() for word in tokens if word.isalpha() and word.lower() not in stop_words] ``` 3. 统计词频:使用Python中的Counter对象统计每个单词出现的频率,以下是代码示例: ```python from collections import Counter # 统计词频 word_freq = Counter(tokens) ``` 4. 选择关键词:根据统计结果,选择出现频率较高的单词作为关键词。可以根据具体应用场景进行筛选和分类。例如,可以只选择出现次数大于10的单词作为关键词。 ```python # 选择出现次数大于10的单词作为关键词 keywords = [] for word, freq in word_freq.items(): if freq > 10: keywords.append(word) ``` 5. 制作词云:使用Python中的wordcloud库制作词云。以下是代码示例: ```python from wordcloud import WordCloud import matplotlib.pyplot as plt # 生成词云 wordcloud = WordCloud(background_color='white', width=800, height=600).generate(' '.join(keywords)) # 显示词云 plt.imshow(wordcloud, interpolation='bilinear') plt.axis('off') plt.show() ``` 生成的词云图可以保存为图片,也可以直接在Python程序中显示。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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