本文作为笔者NLP入门系列文章第一篇，以后我们就要步入NLP时代。 本文将会介绍NLP中常见的词袋模型（Bag of Words）以及如何利用词袋模型来计算句子间的相似...
发简信
IP属地：北京
-
NLP入门（一）词袋模型及句子相似度
-
大师兄的Python机器学习笔记:Pandas库
大师兄的Python机器学习笔记:实现评估模型大师兄的Python机器学习笔记:特征提取 一、关于Pandas 1. Pandas和Numpy Pandas基于NumPy数组...
-
大师兄的Python机器学习笔记:特征提取大师兄的Python机器学习笔记:Pandas库 一、关于分类(Classification) 1. 什么是分类 分类是机器学习的重要模块，主要用来预测数据的类别标签。 2....
-
研究方向：计算机视觉/目标检测/深度学习（硕士在读）
-
梯度消失和梯度爆炸问题详解
1.为什么使用梯度下降来优化神经网络参数？ 反向传播（用于优化神网参数）：根据损失函数计算的误差通过反向传播的方式，指导深度网络参数的更新优化。 采取反向传播的原因：首先，深...
-
APScheduler初探
APScheduler最基本的用法： “定时几秒后启动job”两种调度器： BackgroundScheduler和BlockingScheduler的区别，job执行时间大...
-
NLP入门（四）命名实体识别（NER）本文将会简单介绍自然语言处理（NLP）中的命名实体识别（NER）。 命名实体识别（Named Entity Recognition，简称NER）是信息提取、问答系统、句...
-
NLP入门（五）用深度学习实现命名实体识别（NER）前言 在文章：NLP入门（四）命名实体识别（NER）中，笔者介绍了两个实现命名实体识别的工具——NLTK和Stanford NLP。在本文中，我们将会学习到如何使用深度学...
-
因为原始的LABEL_DICT中没有0的序列而是直接从1开始计数，而在使用pad_sequences函数时，我们是选择了用0填充所有长度不够60的句子，这导致了真实的数据中比字典中多了0。这里的label_size+1就是体现了原始字典中的序列个数再加上0的出现。
NLP入门（五）用深度学习实现命名实体识别（NER）
前言 在文章：NLP入门（四）命名实体识别（NER）中，笔者介绍了两个实现命名实体识别的工具——NLTK和Stanford NLP。在本文中，我们将会学习到如何使用深度学...
