和大家聊聊我自己做的作业案例。作业来自Coursera上的Introduction to Natural Language Processing这门课，讲师是Dragomir R. Radev, Ph.D.，University of Michigan的教授。关于课程内容，虽然现在没有了，但是2016年的链接是https://www.coursera.org/learn/natural-langu
转载
2023-10-20 16:16:10
50阅读
# NLP实现报告分析的入门指南
在数据科学的快速发展中，自然语言处理（NLP）成为了许多项目的核心技术之一。本文将指导初学者如何实现一个简单的报告分析系统，涵盖整个流程、必要的软件包以及示例代码。
## 整体流程
首先，让我们概述实现NLP报告分析的整体流程：
| 步骤 | 描述 |
|------|------|
| 1 | **数据收集**：获取待分析的文本报告 |
| 2
# 财经分析报告平台 NLP 技术特点实现指南
本文旨在帮助刚入行的小白开发者理解如何实现一个简单的财经分析报告平台，利用自然语言处理（NLP）技术对财经数据进行分析。我们将通过一系列步骤来指导你，并提供必要的代码示例与注释，以便你更好地理解每个部分的功能。
## 流程概览
下面是我们将要遵循的整体流程：
| 步骤 | 描述
自然语言处理知识工程是源于专家系统建造而形成的一个研究领域，目前已经成为一个跨学科的综合学科。其主要研究领域有软计算、自然语言处理、逻辑与推理等[1]。本文主要聚焦自然语言处理领域进行相关介绍说明。一、自然语言处理概述 自然语言处理简称NLP，它是一门融语言学、计算机科学、艺术学于一体的科学。因此，它与语言学的研究有着非常密切的联系，但又有重要的区别。自然语言处理的研究对象并不是日常中的自然语言，
转载
2023-10-12 17:46:12
47阅读
## NLP 情感分析实现原理
情感分析是自然语言处理（NLP）中的一个重要应用，它可以帮助我们理解文本中的情感倾向，例如正面、负面或中性。在这篇文章中，我将教你如何实现一个基本的情感分析模型。以下是整个流程的步骤：
| 步骤 | 描述 |
| ------ | -------------------------
# 自然语言处理项目报告：基础与实现
近年来，自然语言处理（NLP）已成为人工智能领域中最热门的研究方向之一。它使得计算机能够理解、分析、生成和与人类的语言进行交互。在这篇文章中，我们将探讨一个简单的NLP项目，展示如何通过Python实现基本的文本分析，并使用可视化工具呈现结果。
## 项目背景
我们的项目目标是分析文本数据，从中提取关键词并进行可视化展示。典型的应用场景包括情感分析、主题
AMiner发布研究报告《2018自然语言处理研究报告》。自然语言处理是现代技术最重要的组成部分之一，而最近清华大学和中国工程院知识智能联合实验室发布一份非常全面的 NLP 报告。该报告从 NLP 的概念介绍、研究与应用情况、专家学者概要以及发展趋势这 5 个方向纵览了这一领域的当下与未来，机器之心简要介绍了该报的概要信息，但读者可以从这些方面纵览 NLP 的发展面貌。分析师们主要从以
最近大创和项目需要把之前学过的知识点总结一下 文章目录RNNLSTMGRUEncoder-DecoderAttentionTransformerELMOBertGPT RNN循环神经网络和LSTM参考July哥的这篇博客，写的非常通俗易懂RNN和LSTM首先看单层神经网络 f为激活函数但是我们做文本一般用到的是序列数据 x1可以看做是第一个单词，x2可以看做是第二个单词，依次类推。我们将RNN展开
转载
2023-08-12 17:16:42
70阅读
昨晚太晚代码还没有跑完，恰巧又遇到PSO-LSTM的准确率没办法复原，惨兮兮/(ㄒoㄒ)/，具体内容今天来补上 文本情感分析一、情感分析简介二、文本介绍及语料分析三、数据集分析四、LSTM模型五、重点函数讲解plot_modelnp_utils.to_categoricalmodel.summary()特别感谢 一、情感分析简介 对人们对产品、服务、组织、个人、问题、事件、话题及其属性的观点、情
转载
2023-07-27 21:31:25
271阅读
导读自然语言处理（Natural Language Processing，NLP）技术是与自然语言的计算机处理有关的所有技术的统称，其目的是使计算机能够理解和接受人类用自然语言输入的指令，完成从一种语言到另一种语言的翻译功能。 语义分析技术自然语言处理技术的核心为语义分析。语义分析是一种基于自然语言进行语义信息分析的方法，不仅进行词法分析和句法分析这类语法水平上的分析，而
转载
2023-08-08 11:39:02
181阅读
学习的最大理由是想摆脱平庸，早一天就多一份人生的精彩；迟一天就多一天平庸的困扰。随着技术对企业的进步起着越来越重要的作用，情感分析正成为各种商业案例中的常用工具，企业使用情绪分析技术得到客户对企业业务、产品和相关主题的感受。 情感分析基本上是用于识别并分类一段文本或语料库中所表达的情感的一种方法，为了确定他人对特定主题、产品等的态度是积极的、消极的还是中立的，使用NLP对应地将文档分类为正面、中性
转载
2024-01-06 22:55:06
140阅读
前言这段时间在做李宏毅ML/DL网课的第四次作业（2020），写这篇blog主要是为了总结最近几天的学习，以及日后用到模型可以及时拐回来复习。这次的模型在测试集上的准确率有64%左右，并不是特别高，有些过拟合，日后有提高精度的方法我会再去试试。下面写的很多东西都是我自己的理解，可能会有不准确的地方，观看时请带着批判性思维。数据介绍这次用的数据集是从twitter上爬下来的评论，标记好情感正负了，共
转载
2024-08-08 23:39:58
50阅读
由于实验室目前研究方向偏重于NLP和知识图谱，在学习了一段时间机器学习相关内容后，也决定暂时侧重于NLP相关内容的研究。对NLP方面的相关调研工作做一个总结，顺序不分先后。这部分内容可能和笔记-深度学习场景调研有交集，在此就不重复写已有的东西。依存句法分析（Dependency Parsing，DP）、语义依存分析（Samantic Dependency Parsing，SDP）、语义角色标注（S
转载
2024-05-22 17:02:32
41阅读
欢迎来到NLP时事简报！第三期涵盖了诸如改进会话代理、特定语言BERT模型、免费数据集、深度学习库等主题。1、Publications ?1.1 Language-specific BERT models我已经记不清现在有多少种特定语言的BERT模型了，这里有一些最新的版本:荷兰语Dutch BERT（RobBERT| BERTje）德语German BERT葡萄牙语Portuguese BERT
2020年伊始，我们总结、展望了微软亚洲研究院在多个 AI 领域的突破与趋势，比如，更亲民的机器学习和更精巧的 AI 系统；数据洞察的获得变得更智能，AI 推进三维构建的发展；以及突破固化的计算机视觉和更具商用价值的 OCR 引擎。今天，我们将探索自然语言处理（Natural Language Processing，NLP）范式的新发展，以及微软亚洲研究院在语音识别与合成领域的创新成果。NLP 在
转载
2024-01-31 21:22:56
85阅读
导论：2018年NPL领域，很不凡，二月出了 ELMo，六月出了 OpenAI Transformer，十月又出了BERT，模型一个比一个强大，性能也是越加优良，最为目前特别亮眼的Bert模型，被称为最强NPL模型，究竟有何特别之处呢？他是有何而来的？接下来我们来探讨一下。1. Transformer的原理。自从google推出word2vec，传统的基于统计学的语言处理模型与基于神经网络的语言处
转载
2024-03-14 11:28:17
44阅读
NLP项目主要流程1.分词(Word Segmentation)1.1 分词依靠词库常用开源分词工具：jieba, SnowNLP, LTP, HanNLP 1.2 分词算法：1.2.1 基于匹配规则的匹配：最大匹配（forward max-matching/background max-matching/双向最大匹配）：最大匹配算法 缺点： 1.陷入局部最优 ; 2.未考虑语义，可产生歧义，可在
转载
2023-10-31 18:03:28
40阅读
论文题目：MLBiNet: A Cross-Sentence Collective Event Detection Network本文作者：娄东方、廖智霖、邓淑敏、张宁豫、陈华钧（浙江大学）接收会议：ACL 2021论文链接：https://arxiv.org/pdf/2105.09458.pdf开源代码：https://github.com/zjunlp/DocED欢迎转载，转载请注明出处引言跨
转载
2024-07-03 23:15:56
22阅读
项目采用ALS作为协同过滤算法，根据MongoDB中的用户评分表计算离线的用户商品推荐列表以及商品相似度矩阵。通过ALS计算商品相似度矩阵，该矩阵用于查询当前商品的相似商品并为实时推荐系统服务。离线计算的ALS 算法，算法最终会为用户、商品分别生成最终的特征矩阵，分别是表示用户特征矩阵的U(m x k)矩阵，每个用户有 k个特征描述；表示物品特征矩阵的V(n x k)矩阵，每个物品也由 k 个特征
推荐系统离线评估 1.什么是离线评估？离线评估在推荐算法全生命周期评估中的作用与位置，如图所示：离线评估是整个推荐系统评估的第一个环节，它处于算法模型训练和模型上线提供服务之间，也就是说，模型训练好之后，通过离线评估来选择一个比较好的模型，来作为上线服务的模型。总的来说，离线评估是在推荐算法模型开发与选型的过程中对推荐算法模型做评估，通过评估具体指标来选择合适的推荐算法，将算法部署上线为
