Avatar notebook default
项目解析
33篇文章 · 25467字 · 3人关注
  • 使用TF-IDF进行文本分类

    通过提取文本的TF-IDF特征，使用经典的机器学习方法进行文本分类。数据集：20news-bydate下载地址

    4332 0 0
  • Resize,w 360,h 240
    中文实体命名讲解（一）

    这次我们分析一个中文NER项目，有了之前过一遍sequence_tagging_master项目的经历，我感觉这一次应该会对NER有更深入的理解...

    1041 2 0
  • Resize,w 360,h 240
    实体命名识别详解（二十）

    先从main()函数入手，配置一个Config类的实例，再以config的配置为参数构建NERModel的实例，执行model.build()函...

    761 0 0
  • 实体命名识别详解（十九）

    终于又回转到train（）函数里了，剩下的就简单些。 train.py -> model.train(train, dev) -> base_m...

    635 0 0
  • Resize,w 360,h 240
    实体命名识别详解（十八）

    下面我们来看run_evaluate（）函数。 train.py -> model.train() -> base_model.py -> tr...

    0.1 1890 0 4
  • 实体命名识别详解（十七）

    pad_sentences()讲完了，下面我们退回到train.py -> model.train() -> base_model.py -> ...

    605 0 0
  • 实体命名识别详解（十六）

    先看函数体介绍，这是从Keras参考来的一个类。OK，了然了，看这函数介绍，哈哈哈，原来是一个显示程序进程的函数哈哈哈，得嘞，默默马下来先，然后...

    811 0 0
  • 实体命名识别详解（十五）

    这是我们最近一直在分析的train.py函数。接下来创建开发集和训练集，CoNLLDataset这个类我们之前讲过，返回的是可迭代类型的（wor...

    0.1 887 0 1
  • 实体命名识别详解（十四）

    接下来是俩通用函数，可以看到，一个是训练用train，一个初始化session。 这里传入的参数是self、优化函数（lr_method）、学习...

    521 0 0

文集作者