机器学习（MachineLearning）简称ML。机器学习属于人工智能的一个分支，也是人工智能的和核心。机器学习理论主要是设计和分析一些让计算机可以自动”学习“的算法，利用计算机从数据中找出规律，从而应用于对不确定场景的决策，最终让数据变现。深度学习（DeepLearning）简称DL。最初的深度学习是利用深度神经网络来解决特征表达的一种学习过程。深度神经网络本身并不是一个全新的概念，可大致理解
转载
2023-07-17 16:34:43
1394阅读
图神经网络（Graph Neural Networks GNNs）最近在图机器学习（Graph Machine Learning GML）研究中很火，并在节点分类（node classification）任务上表现很好。但是，对于大规模工业界的应用来说，主流的模型仍然是多层感知机（Multilayer Perceptron MLP）（PS：一般而言，MLP 的表现要比 GNN 差很多）。造成这种学
1.加载lib/头文件分两种方法：(1)适用于当前项目1 第一步：项目->属性->C/C++->常规->附加包含目录(浏览.h文件的路径) 添加包含文件
2 第二步：项目->属性->C/C++->链接器->输入->附加依赖项(写入lib的名称) 添加库文件
3 项目->属性->C/C++->链接器->输入-&
转载
2024-07-01 08:06:08
49阅读
# ML与NLP的关系入门指南
在当今的技术世界中，机器学习（ML）和自然语言处理（NLP）是两个迅速发展的领域。对于刚入行的小白来说，理解它们之间的关系非常重要。本文将通过流程步骤、代码示例和状态图来帮助你理解这两个领域之间的纽带。
## 整体流程
理解ML与NLP的关系，我们可以根据以下步骤进行：
| 步骤 | 描述 |
|------|------|
| 1. 理解什么是机器学习 |
原创
2024-09-04 04:26:09
66阅读
本文选取的领域和方法很大程度上受到自身兴趣的影响，所选择的话题偏向于表征学习和迁移学习，也偏向于NLP。我尽量覆盖自己听到看到的所有论文，但是也可能会遗漏很多相关的工作，请读者不要拘束，直接在底下评论。我主要讨论以下几个重要方向：预训练模型的变大和缩小基于检索增强(retrieval-argumented)的文本生成少样本学习对比学习超越准确率的评测大型语言模型的现实担忧多语种Image Tran
转载
2024-03-14 11:25:28
94阅读
【2022全国科技周】情感计算科普讲座：CV语义个性化，NLP多模态，Voice语音，人脸情绪，脑电情感 提示：不知道有没有回放CSIG情感计算与理解专委会于5月27日上午9点举办“情感计算”科普讲座，欢迎大家和自己的研究生参加，会议和直播的链接如下： 直播时间：2022年05月27日9:00 - 12:00 直播地址：腾讯会议号：652-756-332 文章目录【2022全国科技周】情感计算科普
2021 年是自然语言处理（NLP）和机器学习（ML）非常高产的一年，现在是时候统计一下去年 NLP 和 ML 领域的论文了。来自剑桥大学机器学习和自然语言处理的研究员 MAREK REI 总结分析了 2021 年经典论文，并归纳了 2021 年 ML 和 NLP 出版物的统计数据，他对人工智能行业的主要会议和期刊进行了分析，它们包括 ACL、EMNLP、NAACL、EACL、CoNLL、TACL
转载
2023-09-04 16:54:46
202阅读
爬虫：scrapy, beautiful soup自然语言处理：nltk, Pattern (Google, Twitter, and Wikipedia APIs, a web crawler, a HTML DOM parser), 结巴分词科学计算：NumPy, SciPy, matplotlib机器学习、数据挖掘：scikit-learn, pandas, MDP (neural
原创
2015-02-07 16:01:05
322阅读
毕业设计中需要利用NLP和ML技术来解决问题，这一个阶段对这些技术进行学习和应用。 NLP 技术 NLP学习主要参考书籍：用Python进行自然语言处理（中文） http://www.nltk.org/ 可以解决分词（stem和lamma）、分句、词性标注、以及wordnet同义词分析、句子结构分析、实体识别等 &
NLP属于ML吗？这是一个常见的争论话题。自然语言处理（NLP）作为一个重要的人工智能领域，其发展离不开机器学习（ML）的支持。在这篇博文中，我们将深入探讨这一关系，并为感兴趣的读者们提供实用的迁移指南、实战案例和性能优化的方法。
### 版本对比
首先，我们来了解NLP和ML之间的版本对比。NLP的发展历程与机器学习密切相关。我们可以绘制一条时间轴来展示NLP与ML的版本演进史，包括关键的里程
这段话引用了很多次： 事实上，如果我们把人工智能相关的技术以 是计算能力么，应该不是，心算速度快的人我们一般称之为天才。 是反应能力么，也不是，
转载
2022-12-16 21:57:10
443阅读
机器学习已经发展了很久，它的历史可以追溯到1959年，但是如今此领域的发展速度可以说是空前的。在最近的几篇文章中，我讨论了人工智能领域为何会在现在以及不久的将来持续蓬勃发展。如今很多对机器学习感兴趣的同学都普遍表示入门很难。在准备博士课题的期间，我尝试在网络上搜索与机器学习和自然语言处理相关的优秀资源。当我找了一个有趣的教程或者视频，从这个教程或者视频出发我又可以找到三四个更多的教程或视频，最终就
原创
2021-01-22 13:48:34
212阅读
1.用ML实现外卖评论的分类步骤语料加载、分词、去停用词、抽取词向量特征、分别进行算法建模和模型训练、评估、计算AUC值、模型对比1.进行语料加载。 在此之前，引入python依赖的包，并将全部语料和停用词dict读入内存中。setp 1：引入依赖库：random随机数库、jieba分词库、pandas库import random
import jieba
import pandas as pds
转载
2023-12-19 22:20:44
17阅读
地址：http://spark.apache.org/docs/2.0.0/ml-pipeline.html Spark PipeLine
是基于DataFrames的高层的API，可以方便用户构建和调试机器学习流水线
可以使得多个机器学习算法顺序执行，达到高效的数据处理的目的 DataFrame是来自Spark SQL的ML DataSet 可以存储一系列的数据类型，text
转载
2023-07-18 12:14:38
110阅读
自然语言处理技术有哪些？尽管当今许多 BI 解决方案提供了简化的体验，但需要一些数据素养和知识才能完全理解它们。例如，仪表板被认为是自助式 BI 工具，但对于普通人来说，它们通常仍然过于技术化，无法有效使用。确保企业中的每个人都可以在需要时独立使用分析仍然是一个挑战。自然语言处理技术有哪些？据Ventana Research称，如今，只有五分之二 (40%) 的组织报告说，他们的员工可以在没有 I
转载
2023-10-01 19:22:00
980阅读
偏差：就是预测值和观测值之间的差异，每个评估器都有自己的偏差，集成算法中，是所
原创
2022-12-14 16:22:53
94阅读
目录一、生成模型 VS 判别模型一、生成模型 VS 判别模型从概率分布的角度考虑，对于一堆样本数据，每个均有特征Xi对应分类标记yi。生成模型：学习得到联合概率分布P(x,y)，即特征x和标记y共同出现的概率，然后求条件概率分布。能够学习到数据生成的机制。判别模型：学习得到条件概率分布P(y|x)，即在特征x出现的情况下标记y出现的概率。数据要求：生成模型需要的数据量比较大，能够较好地估计概率密度
转载
2024-04-26 14:56:46
80阅读
自然语言处理主要步骤包括： 1.分词（只针对中文，英文等西方字母语言已经用空格做好分词了）：将文章按词组分开 2.词法分析：对于英文，有词头、词根、词尾的拆分，名词、动词、形容词、副词、介词的定性，多种词意的选择。比如DIAMOND，有菱形、棒球场、钻石3个含义，要根据应用选择正确的意思。 3.语法分析：通过语法树或其他算法，分析主语、谓语、宾语、定语、状语、补语等句子元素。 4.语义分析：通过选
转载
2024-08-28 18:33:05
3阅读
【笔记】GPT 文章目录【笔记】GPT介绍原理预训练过程fine-tuning GPT和ELMO非常相似，把语言模型直接迁移到具体的NLP任务中，因此，更容易迁移学习；不过也有弊端，这种将结构带入下游任务中的模式，不一定对每个任务都适用，GPT主要还是针对分类任务和标注性任务，对于生成任务，比如机器翻译，则它的结构也没办法进行很好的迁移； 介绍GPT在2018年由OpenAI提出，通过在大量的语
转载
2023-12-27 09:26:53
142阅读
