最近出于兴趣和需要，重新回顾中文分词技术，期间有些心得，以及一些关于自然语言处理的浅薄之见，这里简单分享一下。 首先，中文分词_百度百科里面简单...
投稿
收录了19篇文章 · 7人关注
-
浅谈中文分词与自然语言处理
-
预训练好的词向量资源
词向量是用来表示词的向量，通常也被认为是词的特征向量。现在已经成为自然语言处理的基础技术。词向量的好坏，会直接影响模型的实验结果，对于没有GPU...
-
OpenCC - 简体繁体转换
最近使用中文维基百科数据训练Word2Vec时，发现数据里面包含了很多繁体字，这就很尴尬了。这时候就知道OpenCC的强大了。哈哈，本来打算直接...
-
如何感性地理解EM算法？
如果使用基于最大似然估计的模型，模型中存在隐变量，就要用EM算法做参数估计。个人认为，理解EM算法背后的idea，远比看懂它的数学推导重要。id...
-
中文机器翻译数据集
Dataset WMT2018 AI challenger(英中翻译规模最大的口语领域英中双语对照数据集) UM-Corpus: A Large...
-
基于距离的算法 曼哈顿，欧氏等
曼哈顿距离 欧氏距离 标准化欧氏距离 夹角余弦 曼哈顿距离（Manhattan Distance） 曼哈顿距离是由十九世纪的赫尔曼·闵可夫斯基所...
-
torchtext安装
使用如下命令安装torchtext
-
Manjaro下安装使用kenlmkenlm是一个linux下快速轻量的语言模型训练工具。 下载 或者 安装依赖 编译安装 以上两种来源区别我也不是很清楚，没有细究。 安装Pyt...
-
中文文本语料库整理(不定时更新2015-10-24).md
声明：资源全部源自网络，如有侵权，请联系我将及时删除。 最近在网上找语料，多比较杂乱不全，所以这里做一次整理，方便大家。如果大家手里有可以分享的...
-
PageRank算法核心思想及数学支撑佩奇排名（PageRank），又称网页排名、谷歌左侧排名，是一种由搜索引擎根据网页之间相互的超链接计算的技术，而作为网页排名的要素之一，以Goo...
{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1881139527',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','https://upload.jianshu.io/collections/images/1700678/280178983403075274.png', '推荐专题《自然语言处理》（ 分享自 @简书 ）','https://jianshuapi.com/c/716e572d7ba5?utm_campaign=maleskine&utm_content=collection&utm_medium=reader_share&utm_source=weibo','页面编码gb2312|utf-8默认gb2312'));){kind=link}