语义分析，本文指运用各种机器学习方法，挖掘与学习文本、图片等的深层次概念。wikipedia上的解释：In machine learning, semantic analysis of a corpus is the task of building structures that approximate concepts from a large set of documents(or imag
论文： CTC：Connectionist Temporal Classification: Labelling Unsegmented Sequence Data with Recurrent Neural Networks思想： 语音识别中，一般包含语音段和对应的文本标签，但是却并不知道具体的对齐关系，即字符和语音帧之间对齐，这就给语音识别训练任务带来困难；而CTC在训练时不关心具体的唯一
转载
2023-08-16 22:12:48
256阅读
在Wiki上看到的LSA的详细介绍，感觉挺好的，遂翻译过来，有翻译不对之处还望指教。原文地址：http://en.wikipedia.org/wiki/Latent_semantic_analysis前言浅层语义分析（LSA）是一种自然语言处理中用到的方法，其通过“矢量语义空间”来提取文档与词中的“概念”，进而分析文档与词之间的关系。LSA的基本假设是，如果两个词多次出现在同一文档中，则这
转载
2024-02-27 09:28:56
80阅读
前言前面我们刚刚介绍了语音识别的第一步《《实战案例分享》关于语音识别的功能实现分析（一）---结构化思维》，这一章我们接着上次的内容来看一下语义的解析。语义解析接上一章结束的内容，我们把说出的话通过分隔符实现了“|录入|14002001|数量15|价格4块6”的效果，这次我们看看分隔后我们怎么实现把他们的关键数据放到对应我们建的类里面。首先我们定义了一个解析字符串的方法，其返回值就是我们上一章先定
转载
2024-05-30 14:54:40
292阅读
阿里达摩院，又搞事儿了。这两天，它们发布了一个全新的语音识别模型：Paraformer。开发人员直言不讳：这是我们“杀手锏”级的作品。——不仅识别准确率“屠榜”几大权威数据集，一路SOTA，推理效率上相比传统模型，也最高可提升10倍。值得一提的是，Paraformer刚宣布就已经开源了。语音输入法、智能客服、车载导航、会议纪要等场景，它都可以hold住。怎么做到的？Paraformer：从自回归到
转载
2023-09-05 11:19:05
259阅读
2021SC@SDUSC目录一、前情回顾1.1 PP-OCR文字识别算法和本文策略介绍二、SEED策略介绍2.1 SEED是做什么的？2.2 SEED是怎么工作的？ 2.3 SEED框架解析2.3.1编码器-解码器框架2.3.2 快速文本模型2.3.3 SEED2.4 实验三、 SEED性能总结总结一、前情回顾1.1 PP-OCR文字识别算法和本文策略介绍 之前的文
转载
2024-06-04 06:18:25
111阅读
记得第一次了解中文分词算法是在 Google 黑板报 上看到的，当初看到那个算法时我彻底被震撼住了，想不到一个看似不可能完成的任务竟然有如此神奇巧妙的算法。最近在詹卫东老师的《中文信息处理导论》课上再次学到中文分词算法，才知道这并不是中文分词算法研究的全部，前前后后还有很多故事可讲。在没有建立统计语言模型时，人们还在语言学的角度对自动分词进行研究，期间诞生了很多有意思的理
转载
2024-05-22 19:48:56
83阅读
论文：CTC：Connectionist Temporal Classification: Labelling Unsegmented Sequence Data with Recurrent Neural Networks思想：语音识别中，一般包含语音段和对应的文本标签，但是却并不知道具体的对齐关系，即字符和语音帧之间对齐，这就给语音识别训练任务带来困难；而CTC在训练时不关心具体的唯一的对齐关
转载
2024-02-05 07:56:29
77阅读
12月15日，由腾讯云主办的首届“腾讯云+社区开发者大会”在北京举行。本届大会以“新趋势•新技术•新应用”为主题，汇聚了超40位技术专家，共同探索人工智能、大数据、物联网、小程序、运维开发等热门技术的最新发展成果，吸引超过1000名开发者的参与。以下是分会场的演讲内容，稍作整理，分享给大家。语音和语义识别在当今人工智能领域中占据重要地位，微信智聆致力于语音技术的研究和落地，提供的AI 语音识别技术
EncNet全名Context Encoding Network，收录于CVPR2018。本文以复现EncNet为主。EncNet思想1. 论文引入了Context Encoding Module（上下文编码模块）来捕捉全局信息的上下文信息，尤其是与场景相关联的类别信息。参考了CAnet，实现了一个通道注意力机制，预测一组特征图的放缩因子作为循环用于突出需要强调的类别。2.引入了SE loss来实
转载
2023-11-27 14:14:06
67阅读
在过去的一年中，语音识别再次取得非常大的突破。IBM、微软等多家机构相继推出了自己的 Deep CNN 模型，提升了语音识别的准确率；Residual/Highway 网络的提出使我们可以把神经网络训练的更加深。 而诸如 CTC、Low Frame Rate、Chain 模型等粗粒度建模单元技术使得语音识别准确率得到提升的同时，解码速度也可以大大加快。 本期雷锋网硬创公开课特邀供职于阿里巴巴
转载
2024-08-09 11:30:35
43阅读
2.1 赛题数据训练数据为8万句广告宣传语，其中约3.5万句为违反广告法的使用绝对化用语（label=1），约4.5万句不违反（label=0）2.2 赛题目标预测广告宣传语是否违规。2.3 评价指标本赛题采用F-SCORE值进行衡量：其中：Precision为准确率，Recall为召回率, β=1；3算法核心设计思想3.1 算法架构设计特征工程设计理念 基于传统机器学习的词频方式提取词
转载
2024-08-22 20:27:43
72阅读
文章目录第一部分：文本分类一、文本预处理（解决特征空间高维性、语义相关性和特征分布稀疏）二、文本特征提取三、分类模型第二部分：情感分析一、概述二、基于情感词典的情感分类方法三、基于机器学习的情感分类方法第三部分：意图识别一、概述二、意图识别的基本方法三、意图识别的难点 第一部分：文本分类训练文本分类器过程见下图：文本分类问题： 给定文档p（可能含有标题t），将文档分类为n个类别中的一个或
转载
2023-08-31 18:21:49
329阅读
所有的数据集都是torch.utils.data.Dataset的子类，即它们实现了__getitem__和__len__方法。因此，它们都可以传递给torch.utils.data.DataLoader通过torch.multiprocessing使用多线程并行加载多个样本。imagenet_data = torchvision.datasets.ImageNet('path/to/imagenet_root/')data_loader = torch.utils.data.DataLoader(i
原创
2022-03-02 13:41:33
334阅读
# 实现"pytorch torchvision更新"的步骤
## 1. 更新PyTorch库
首先需要更新PyTorch库，以确保使用最新的版本。可以通过以下步骤完成：
| 步骤 | 操作 |
| --- | --- |
| 1 | 打开终端 |
| 2 | 运行命令 `pip install torch -U` |
```markdown
# 更新PyTorch库
pip install
原创
2024-03-25 06:44:12
565阅读
# 如何卸载 PyTorch 和 TorchVision
在深度学习的世界里，PyTorch 和 TorchVision 是非常重要的工具，但有时候我们需要卸载它们以便进行版本更新或者是系统清理。本文将帮助你了解如何卸载 PyTorch 和 TorchVision，以及具体步骤中所需的命令。
## 流程概述
下面是卸载 PyTorch 和 TorchVision 的流程步骤：
| 步骤编号
原创
2024-09-01 03:53:06
532阅读
所有的数据集都是torch.utils.data.Dataset的子类，即它们实现了__getitem__和__len__方法。因此，它们都可以传递给torch.utils.data.DataLoader通过torch.multiprocessing使用多线程并行加载多个样本。imagenet_data = torchvision.datasets.ImageNet('path/to/imagenet_root/')data_loader = torch.utils.data.DataLoader(i
原创
2021-08-10 10:33:42
379阅读
PyTorch学习笔记（一）——Tensor的基础语法PyTorch学习笔记（二）——自动微分PyTorch学习笔记（三）——Dataset和DataLoaderPyTorch学习笔记（四）——torchvision工具箱PyTorch学习笔记（五）——多层感知机的实现PyTorch学习笔记（六）——Sequential类、参数管理与GPU 目录一、torchvision简介二、torchvisi
转载
2023-09-25 10:11:08
324阅读
# 如何实现“语义识别算法模型”在Java中的应用
在人工智能领域，语义识别是自然语言处理（NLP）的一项重要技术。它可以帮助计算机理解和处理人类语言。本文将带你从零开始，实现一个简单的语义识别算法模型，使用Java编程语言。我们将按照以下流程进行：
## 流程概述
下面是实现语义识别的基本步骤：
| 步骤 | 描述 |
|------|------|
| 1 | 准备开发环境 |
原创
2024-09-07 05:31:39
75阅读
# 使用 PyTorch 实现离线自然语义算法
自然语言处理（NLP）是人工智能领域的一个重要分支。近年来，深度学习已经引发了自然语言处理的革命，使得模型能够理解和生成自然语言。在这篇文章中，我们将介绍如何使用 PyTorch 实现一个简单的离线自然语义算法，并给出代码示例。
## 一、什么是离线自然语义算法？
离线自然语义算法是一种用于处理自然语言的技术，通过分析文本数据的语义层面，实现更
