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(3)
  • 收藏
  • 关注

原创 LASER得到句子向量,计算句子相似度

**1 LASER 给指定文件计算句子向量**./embed.sh raw.txt zh zh_embeddings.rawraw.txt:未经处理的文件zh_embeddings.raw:句子向量假设raw.txt是中文。raw.txt是未分词的数据,未经tokenizer.perl处理的数据,处理过程中用jieba进行分词,并进行bpe切分,之后再计算得到zh_embeddings.raw**2.用得到的句子向量计算句子相似度**zh_embeddings.raw和en_embedd

2020-07-28 11:31:52 378 1

原创 moses中的数据预处理预处理操作

## normalize-punctuation.perl 对标点符号进行规范化 normalizenormalize-punctuation.perl -l en < train.en > train.norm.en-l:要normalize的语言train.en:需要处理的文件train.norm.en:处理的结果## tokenizer.perl 分词tokenizer.perl -a -l en < train.norm.en>train.norm.tok..

2020-07-27 11:09:22 975 1

原创 kenlm python模块详解

kenlm python模块详解1.导入模型import kenlmmodel= kenlm.LanguageModel(“a.bin”)a.bin 是训练的统计语言模型2.打分2.1 model.score()函数score=model.score(sentence, bos=True, eos=True)sentence:如果句子是汉语,那么需要将句子分词bos,eos:句子的开头和结尾加上标记model.score():是log(p(sentence)),p(sentence)是0

2020-07-24 10:10:39 2942 1

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