shange19-CSDN博客

原创 nlp的一个小测试：英文作文自动评分

最近这几天研究了一下英文作文自动评分系统，记录一下。首先我很简单的利用各个文章的词频数和线性回归进行测试一下。采用内置的停用词。最大词频数量为10000.# 统计文章中每篇文章的词频def get_count_vectors(essays): vectorizer = CountVectorizer(max_features=10000, ngram_range=(1, 3),...

2020-01-08 18:35:38 3307 1

原创 MLE最大似然估计和MAP最大后验概率的区别，利用MAP思想完成词性标注。

最近一直在搞懂啥是MLE，啥是MAP。MLE，最大似然估计，优化的是，求出它的最大值,其中是参数，D是数据；MAP，最大后验概率分布，优化的是,其中是参数，D是数据，通过贝叶斯定理可以认为等价于求,其中就是MLE，是先验分布。一般来说，这样就推导完了。MAP可以认为是MLE在多加一个先验概率，即在优化之前我们所掌握的信息。然后就是千篇一律的扔硬币举例，反正现在我明白MAP与MLE之间的关系...

2019-12-05 21:28:22 736 1

原创 nlp的一些应用

1.编写一个中文分词工具2.词干提取（stemming）和词形还原（lemmatization）3.拼写纠错GitHub链接：https://github.com/shange1996/Projects-for-NLP/tree/master/spelling_correction4.问答系统GitHub链接：https://github.com/shange1996/Pro...

2019-11-27 20:36:49 285

原创简述决策树，随机森林和XGBOOST之间的关系

本文主要讲解：决策树，随机森林和xgboost，附带讲解AdaBoost和GBDT1.决策树这些算法都依赖于决策树或者决策树的各种魔改版，所以决策树是一定要掌握清楚的。决策树是一种常见的机器学习算法，决策树的目的是构造一种模型，使之能够从样本数据的特征属性中，通过学习简单的决策规则——IF THEN规则，从而预测目标变量的值。以西瓜的例子来说，给定类似色泽，根蒂以及敲声等特征，怎么判断一个...

2019-11-10 20:22:06 6251 1

简要解释为什么要使用交叉熵作为损失函数。用简短的话来解释就是：我们需要得到最大似然估计，即模型得到的预测分布应该与数据的实际分布情况尽可能相近。KL散度(相对熵)是用来衡量两个概率分布之间的差异。模型需要得到最大似然估计，乘以负Log以后就相当于求最小值，此时等价于求最小化KL散度(相对熵)。所以得到KL散度就得到了最大似然。又因为KL散度中包含两个部分，第一部分是交叉熵，第二部分是信息熵，即KL...

2019-11-04 21:46:22 3582 1

原创详解seq2seq模型中的attention机制，并利用LuongAttention搭建中英机器翻译!

先从我的理解概括Attention机制：在面对一句话时，人们一般不会整句都看完再去理解其意义（如果这个句子较长）。在seq2seq模型中，一整个句子当作输入会给网络带来困扰，并且很有可能丢失序列中靠前的信息。而在decoder模型的输入时，我们同样利用context替换原本的输入。context则是利用这句话学习得到的权重乘以这句话，得到一个新的context。将contex与这句话相拼接，输入网...

2019-10-25 22:48:14 1998 1

原创 pytorch中关于pack_padded_sequence和pad_packed_sequence的解释。

已经有人解释的比较详细了，参考了一些我写在下面：总结就是一句话：以batch为一个单位，对补齐后的batch进行压缩计算最后解压。减少这个batch中大量pad对输出的影响。参考：https://zhuanlan.zhihu.com/p/34418001https://www.cnblogs.com/lindaxin/p/8052043.html如果已经看过类似解释的同学，可以直接...

2019-10-18 16:09:20 1965 1

shange19的博客