自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(23)
  • 收藏
  • 关注

原创 如何使用BERT模型进行实体名称识别与实体链指

实体名称识别是信息抽取中的一个重要任务,广泛应用于知识图谱构建、问答系统等领域。传统的实体识别方法通常依赖于规则或统计模型,而近年来基于深度学习的模型,如BERT,在该领域取得了显著的效果。本文将介绍如何使用BERT模型与字典树结合,实现实体名称识别与实体链指的完整流程。本文介绍了如何使用BERT模型结合字典树来实现实体名称识别与筛选,并通过实际代码示例进行了详细讲解。通过这种方法,我们可以有效地识别文本中的实体名称,并筛选出最有可能的实体,为后续的知识图谱构建和问答系统提供支持。

2024-09-27 10:34:57 335

原创 利用 GlobalPointer 进行中文命名实体识别

我们首先定义了和两个函数,以实现针对的交叉熵损失和 F1 分数评估。交叉熵损失:将真实标签和预测标签重塑为二维张量,并计算多标签分类的交叉熵。F1 分数:通过计算精确率和召回率,返回 F1 分数以评估模型性能。通过上述分析,我们可以看到,利用进行中文命名实体识别的实现不仅高效,还能够处理多标签的复杂场景。我们定义了适合该模型的损失函数和评估指标,并提供了两种不同的模型构建方法,以适应不同的任务需求。希望本文能帮助读者更好地理解并实现中文命名实体识别。

2024-09-26 09:59:26 327

原创 正则表达式匹配

输入:s = “aa”, p = “a”输出:false解释:“a” 无法匹配 “aa” 整个字符串。输入:s = “aa”, p = “a*”输出:true解释:因为 ‘*’ 代表可以匹配零个或多个前面的那一个元素, 在这里前面的元素就是 ‘a’。因此,字符串 “aa” 可被视为 ‘a’ 重复了一次。输入:s = “ab”, p = “."输出:true解释:".” 表示可匹配零个或多个(‘*’)任意字符(‘.’)。以下是对上述正则表达式匹配算法的解题思路分析:一、问题分析给定一个字符串和一个

2024-09-24 16:38:49 524

原创 基于双向 LSTM 和 CRF 的序列标注模型

本文介绍了如何使用 Keras 构建一个基于双向 LSTM 和 CRF 的序列标注模型。这种模型结合了双向 LSTM 的上下文建模能力和 CRF 的标签依赖关系考虑,能够在序列标注任务中取得较好的性能。通过自定义的CRF类,我们可以方便地将 CRF 层集成到 Keras 模型中。同时,预训练词向量的使用可以进一步提高模型的性能。希望本文对大家在自然语言处理中的序列标注任务有所帮助。

2024-09-23 09:47:54 571

原创 使用双向 LSTM 和 CRF 进行中文命名实体识别

本文介绍了使用双向 LSTM 和 CRF 进行中文命名实体识别的方法,并对代码进行了详细分析。通过设置合适的超参数、进行数据预处理、构建模型和设置回调函数,可以有效地训练模型并进行准确的预测和评估。这种方法在命名实体识别任务中具有较高的准确性和实用性,可以应用于各种自然语言处理任务中。希望本文对大家理解和使用双向 LSTM 和 CRF 进行命名实体识别有所帮助。如果有任何问题或建议,欢迎在评论区留言。

2024-09-22 16:37:44 654

原创 基于 BERT 的自定义中文命名实体识别实现

本文介绍了如何使用 BERT 模型实现自定义中文命名实体识别,包括数据预处理、模型训练、评估和预测。通过使用 PyTorch 和库,我们可以方便地实现命名实体识别任务,并取得较好的效果。希望本文对大家有所帮助。以上就是本文的全部内容,欢迎大家在评论区留言交流。

2024-09-21 12:05:26 1200

原创 深入解析 Keras 中的自定义注意力机制与门控机制实现——基于 IntentAttention、SlotAttention 和 SlotGate

深入解析 Keras 中的自定义注意力机制与门控机制实现——基于 IntentAttention、SlotAttention 和 SlotGate

2024-09-20 08:47:10 1068

原创 基于BERT的文本分类模型,结合了TextCNN网络结构

一个基于BERT的文本分类模型,并结合了TextCNN网络结构来进一步增强特征提取能力。代码的主要组件包括BERT模型的加载、卷积神经网络(CNN)部分的定义、特征融合以及最终的分类层

2024-09-19 11:16:30 834

原创 删除有序数组中的重复项

更改数组 nums ,使 nums 的前 k 个元素包含唯一元素,并按照它们最初在 nums 中出现的顺序排列。解释:函数应该返回新的长度 5 , 并且原数组 nums 的前五个元素被修改为 0, 1, 2, 3, 4。解释:函数应该返回新的长度 2 ,并且原数组 nums 的前两个元素被修改为 1, 2。输入:nums = [0,0,1,1,1,2,2,3,3,4]输出:5, nums = [0,1,2,3,4]输出:2, nums = [1,2,_]输入:nums = [1,1,2]

2024-09-18 09:35:42 344

原创 数组移除元素

更改 nums 数组,使 nums 的前 k 个元素包含不等于 val 的元素。解释:你的函数应该返回 k = 5,并且 nums 中的前五个元素为 0,0,1,3,4。解释:你的函数函数应该返回 k = 2, 并且 nums 中的前两个元素均为 2。输入:nums = [0,1,2,2,3,0,4,2], val = 2。的元素都被移动到数组的前部,而且操作是原地的(不需要使用额外的空间)。输入:nums = [3,2,2,3], val = 3。输出:5, nums = [0,1,4,0,3,

2024-09-17 13:44:11 266

原创 最小覆盖字串

在这个问题中,我们将使用两个指针(left 和 right)来表示窗口的左右边界,通过移动这两个指针来探索所有可能的窗口,并找到包含字符串 t 的所有字符的最小窗口。如果 s 中不存在涵盖 t 所有字符的子串,则返回空字符串 “”。这段代码正确地实现了滑动窗口策略,并且能够在 O(m + n) 时间复杂度内解决问题,其中 m 是字符串 s 的长度,n 是字符串 t 的长度。对于 t 中重复字符,我们寻找的子字符串中该字符数量必须不少于 t 中该字符数量。指针扩展窗口,直到窗口包含了 t 的所有字符。

2024-09-15 09:37:10 264

原创 滑动窗口最大值

给你一个整数数组 nums,有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。返回 滑动窗口中的最大值 。

2024-09-14 20:06:37 451

原创 给定两个整数 n 和 k,返回范围 [1, n] 中所有可能的 k 个数的组合。

这是一个典型的组合生成问题,可以使用回溯算法来解决。回溯算法是一种通过穷举所有可能情况来找到所有解的算法。对于这个问题,我们从数字 1 开始,依次尝试将每个数字加入到当前组合中,如果当前组合的大小等于 k,则将其加入结果列表中。然后,我们通过递归调用回溯函数,不断尝试新的数字,直到找到所有可能的组合。

2024-09-13 08:58:41 243

原创 基于问答对的实体识别和意图识别的知识图谱问答推理

通过识别问题中的关键词和相关实体,我们可以构建一个有效的意图识别和实体提取系统。这样的系统可以帮助自动化从用户问题到相应Cypher查询的转换过程,使得与知识图谱的交互更加直接和高效。

2024-09-12 17:01:29 1501

原创 Java 实现无重复字符的最长字串

给定一个字符串 s ,请你找出其中不含有重复字符的 最长子串的长度。

2024-09-12 09:05:33 222

原创 合并两个有序数组

合并两个有序数组的解题思路

2024-09-11 17:09:18 350

原创 基于 Transformers 的问答系统实现

在自然语言处理领域,问答系统一直是一个重要的研究方向。本文将介绍如何使用 Transformers 库实现一个简单的问答系统。

2024-09-09 17:14:37 360

原创 transformer实现自然语言意图识别模型训练和预测

从0到1实现transformer自然语言意图识别模型训练和预测的完整流程,包括数据整理、模型训练、模型部署和模型预测的详细步骤。

2024-09-05 16:53:13 500

原创 Qwen1.5适配OpenAI API接口的 openai_api.py

Qwen1.5 适配OpenAI接口的openai_api.py API源码

2024-04-09 15:56:56 2492 14

原创 JAVA 调用Open AI 接口生成图片url并直接在浏览器上响应显示

使用chatGPT 生成图片作画,JAVA调用Open AI 接口生成,生成的图片直接在浏览器响应展示。

2023-11-03 13:47:54 521

原创 可视化的报表系统

对标帆软的报表系统,cube-report报表系统是一种用于生成、管理和分发各种类型报表的软件系统。它可以从各种数据源中提取数据,并将其转换为易于理解的图表、表格和图形的形式。报表系统还可以根据用户的需求,自动化地生成和分发报表,从而帮助用户更好地理解和分析数据,以便做出更好的业务决策。报表系统通常具有可视化报表设计器、数据集成和数据分析等功能,可以适用于各种行业和业务场景。

2023-07-21 09:59:38 339

原创 低代码智能可视化设计工具(FusionView)

富表智能数据可视化平台是一款面向企业和行业级别的用户,具有AI特色的可视化与BI商业智能敏捷分析的平台。是围绕业务人员提供数据可视化展示分析服务的独立产品。旨在为企业客户提供一个数据化运营的内部支撑平台,为数据分析展示的各种参与者提供友好易用的服务,解放数据可视化系统的开发人力,帮助企业实现“数尽其用、人尽其才”的运营目标和挖掘数据潜在的价值。提供界面优美、体验良好的交互设计,通过拖拽图表组件可实现 10 分钟搭建数据可视化页面,并对数据进行快速的分析。

2023-02-16 14:57:00 1548 1

原创 【零代码(低代码)工作流引擎(cube-flowable)】

cube-flowable工作流引擎旨在打造一套零代码、领先、且快速实用的引擎工具,助力开发者在面对工作流开发任务时,除去学习工作流框架知识和API的学习成本且不去关心工作流是什么技术,无需了解学习,安装使用cube-flowable工作流引擎并应用落地。此工作流引擎是零代码或低代码的工作流引擎,安装配置开箱即可使用,完全适用于中国国情的工作流引擎。

2023-02-16 14:52:22 1881

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除