【AI】调研与实战
文章平均质量分 70
人工智能领域方法调研或实战经验
持续战斗状态
这个作者很懒,什么都没留下…
展开
-
【实战】一键训练的公司名实体识别NER 基于Bert+crf
公司名实体识别NER 基于Bert+crf原创 2023-02-27 21:45:12 · 617 阅读 · 1 评论 -
【实战】使用Bert微调完成文本二分类
使用Bert微调完成文本二分类,包含实验数据、全部代码,一键运行原创 2023-02-21 21:53:06 · 709 阅读 · 0 评论 -
gensim实现TF-IDF和LDA模型、sklearn实现聚类
目录gensim实现TF-IDF和LDA模型,sklearn实现聚类1.数据处理1.1 分词1.2 清洗2 gensim构造Dictionary、corpora以及使用TF-IDF2.1 词典创建2.2 corpus创建2.3 词袋转为TF-IDF3 创建LDA模型3.1 结果查看3.2 评估指标4.sklearn实现聚类4.1 构造特征4.2 KMeans4.3 评估指标gensim实现TF-IDF和LDA模型,sklearn实现聚类1.数据处理假如我有1000篇文章,每篇文章形如:本发明公开的一原创 2021-11-01 21:07:32 · 4411 阅读 · 7 评论 -
有监督对比学习在分类任务中的应用 Supervised Contrastive Learning
1.对比学习一般泛式其中x+是和x相似的正样本,x-是和x不相似的负样本score是一个度量函数,来衡量样本间的相似度。如果用向量内积来计算两个样本的相似度,则对比学习的损失函数可以表示成:其中对应样本x有1个正样本和N-1个负样本。可以发现,这个形式类似于交叉熵损失函数,学习的目标就是让x的特征和正样本的特征更相似,同时和N-1个负样本的特征更不相似。2.对比学习分类「有监督对比学习」:通过将监督样本中的相同label的样本作为正样本,不同label的样本作为负样本,来进行对比学习;正样本:原创 2022-05-05 18:48:01 · 6647 阅读 · 0 评论 -
TOWE:Leveraging Position Embeddings for Target-oriented Opinion Words Extraction笔记
An Empirical Study on Leveraging Position Embeddings for Target-oriented Opinion Words Extraction利用位置嵌入提取目标导向意见词的实证研究0 摘要1 介绍0 摘要面向目标的意见词抽取(TOWE) 是面向目标的情感分析的一个新的子任务,旨在为文本中给定的方面抽取意见词。当前最先进的方法利用位置嵌入来捕捉单词与目标的相对位置。然而,这些方法的性能取决于将这些信息合并到单词表示中的能力。在本文中,我们探索了各种基于原创 2021-11-01 21:23:44 · 374 阅读 · 0 评论 -
Multi-News: a Large-Scale Multi-Document Summarization Dataset 文本摘要笔记
文本摘要笔记1.Multi-News2.Pointer-generator Network3.Transformer4.MMR5.PG-MMR6.Hi-MAP7.First8.LexRank9.TextRank9.1 PageRank9.2 TextRank9.3 TextRank生成摘要10.实验10.1 评价指标10.2 实验结果1.Multi-NewsMulti-News: a Large-Scale Multi-Document Summarization Dataset and Abstrac原创 2022-03-19 19:25:03 · 763 阅读 · 0 评论 -
Andrew-Ng-ML 吴恩达机器学习 课后练习错题总结
Andrew-Ng-ML 吴恩达机器学习 课后练习错题总结4 Linear Regression with Multiple Variables5 Octave/Matlab Tutorial6 Logistic Regression7 Regularization8 Neural Networks: Representation9 Neural Networks: Learning10 Advice for Applying Machine Learning11 Machine Learning Syst原创 2020-11-30 01:58:52 · 539 阅读 · 0 评论 -
Andrew-Ng-ML 吴恩达机器学习 课后代码分享
Andrew-Ng-ML 吴恩达机器学习 课后代码分享课程链接编程作业代码分享课程链接你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。编程作业代码分享...原创 2020-11-26 19:43:12 · 770 阅读 · 0 评论