NLP
Du恒之
非科班的菜中菜
展开
-
【NLP】情感识别,积极、消极、中性(一)
文本情感识别原创 2022-09-20 21:27:40 · 1594 阅读 · 2 评论 -
【机器学习】朴素贝叶斯对文本分类--对人名国别分类
【机器学习】朴素贝叶斯对文本分类--对人名国别分类。原创 2022-07-22 21:38:12 · 162 阅读 · 0 评论 -
【NLP】生成词云
生成词云原创 2022-07-21 18:06:40 · 459 阅读 · 0 评论 -
【NLP】机器学习中的可能考点
1、推导线性回归的损失函数,最小二乘法中心极限定理,每个样本误差独立同分布,似然函数2、正则l1,l2的区别限制模型参数,减小过拟合lasso回归 l1 会产生稀疏矩阵(很多0值)岭回归 l2弹性网络 l1+l23、梯度下降法 计算速度 效果随机梯度下降法 更新一次参数,只使用一个样本原创 2022-04-14 21:27:06 · 872 阅读 · 0 评论 -
【知识图谱】基础——命名实体识别、TFIDF、Kmeans代码实现
已知观测序列为O,隐含转态序列为I,提取实体结果{‘张三’:”per”,‘北京大学’:”school”}O = [‘张’,‘三’,‘在’,‘北’,‘京’,‘大’,‘学’,‘读’,‘书’]I = [‘per_b’,‘per_i’,‘o’,‘school_b’,‘school_i’,’ school_i’,’ school _i’,‘o’,‘o’]‘’’O = ['张','三','在','北','京','大','学','读','书']I = ['per_b','per_i','o','school原创 2022-04-05 21:28:41 · 1709 阅读 · 0 评论 -
【NLP】HMM原理---维特比算法实现
HMM原理参考博客:https://www.cnblogs.com/pinard/p/6945257.htmlhttps://www.cnblogs.com/pinard/p/6991852.html代码实现将述博客中的例子代码实现def hmm_viterbi(A,B,pi,O): δ = np.zeros((len(O),len(A))) #第一个局部 Ψ = np.zeros((len(O),len(A))) #第二个局部 # 1、初始化t=1时刻维特比的两原创 2022-04-05 21:21:02 · 3652 阅读 · 0 评论 -
【NLP】分词、标签
已知词典dic={‘北京’,’北京大学’,’读书’},把text=’我在北京的北京大学读书’变为下面分词的标签格式。提示:可以用词典分词方法把text变为分词结果的列表,再变成标签数据。我 o在 o北 b京 i的 o北 b京 i大 i学 i读 b书 idef forward_match(dic,text): # 分词 i = 0 word_list = [] while i<len(text): word = text[原创 2022-04-05 10:34:00 · 1245 阅读 · 0 评论 -
【NLP】词典树增删改查,最大后向匹配结合
class Node(object): def __init__(self, value) -> None: self._children = {} self._value = value def _add_child(self, char, value, overwrite=False): child = self._children.get(char) if child is None: ch原创 2022-04-04 18:37:31 · 926 阅读 · 0 评论 -
【NLP】基于字典的分词——最大前向匹配、最大后向匹配、双向匹配
# 最大前向匹配def forward_match(dic,text): i = 0 word_list = [] while i<len(text): word = text[i] for j in range(i+1,len(text)+1): long_word = text[i:j] if long_word in dic and len(long_word) > len(word)原创 2022-04-03 19:57:22 · 609 阅读 · 0 评论