word2vec的高速化上一篇我们讲到了在神经网络中词向量的表示方法：最著名的就是word2vec，并且实现了CBOW模型的代码。想要回顾的可以看这里师妹问我：如何在7分钟内彻底搞懂word2vec？word2vec虽然简单，但是的确存在一些问题，比如随着语料库中词汇量的增加，计算量也随之增加。当词汇量达到一定程度之后， CBOW 模型的计算就会花费过多的时间。因此，本节将对 word2vec 进
整理了一下自己之前做过的手写字符识别的资料，分享出来供大家学习交流，后续可能还会分享一些其他方法进行手写字符识别的资料，敬请期待~一、任务和设计思路二、KNN算法实现1、KNN算法简介2、简单的KNN代码3、使用sklearn的KNN分类器4、Kd_tree介绍（1）Kd_tree的构造（2）Kd_tree的查询 一、任务和设计思路目的是要对手写字符的图片进行识别， 使用的是Chars74K 数
转载
2024-09-02 14:54:24
40阅读
nlp领域里，语义理解仍然是难题！ 给你一篇文章或者一个句子，人们在理解这些句子时，头脑中会进行上下文的搜索和知识联想。通常情况下，人在理解语义时头脑中会搜寻与之相关的知识。知识图谱的创始人人为，构成这个世界的是实体，而不是字符串，这从根本上改变了过去搜索的体系。语义理解其实是基于知识，概念和这些概念间的关系。人们在解答问题时，往往会讲述与这个问题相关的知识，这是语义理解的过程。这种机制完全
转载
2023-09-02 22:19:13
162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
一、内容概要Photo OCRProblem Decription and pipeline(问题描述和流程图)Sliding Windows(滑动窗口)Getting Lots of Data and Artificial DataCeiling Analysis（上限分析）:What part of the pipline to Work on Next二、重点&难点1. Proble
转载
2023-12-23 20:20:39
77阅读
与计算机视觉相比，自然语言处理 (NLP) 一直被认为是一个难以攻克的难题。本文寻找到了一种新的 NLP 处理方式，探索将 NLP 与计算机视觉处理结合，将文本绘制成图片。虽然目前的准确率还有待优化提高，但看起来很有应用前景。问题点长期以来，自然语言处理 (NLP) 一直被认为是一个难以攻克的难题，至少与计算机视觉相比是这样。NLP 模型需要更长的运行时间，通常更难实现，并且需要更多的计算资源。另
转载
2023-10-19 11:14:56
81阅读
坐落在北京西山凤凰岭山脚下的龙泉寺，可以称得上是全国甚至全球科研实力最强的佛教寺庙。寺内高僧们搞科研、写代码，将佛学与新技术相结合，成果不断，持续被外界关注着。在汉传佛教的两千多年里，历朝历代都对《大藏经》进行翻译、增补、修订，为了使人们阅读古文典籍更加便捷，同时提高学者的工作效率，龙泉寺在整理和校勘的《大藏经》时，运用了包括深度学习、OCR、NLP在内的现代技术来改变传统《大藏经》的解读方式。例
转载
2023-10-08 23:14:37
101阅读
文本匹配和语义匹配1、什么是文本匹配？文本匹配是自然语言处理中一个重要的基础问题，可以应用于大量的NLP任务中，如信息检索、问答系统、复述问题、对话系统、机器翻译等，这些NLP任务在很大程度上可以抽象为文本匹配问题。例如网页搜索可抽象为网页同用户搜索Query的一个相关性匹配问题，自动问答可抽象为候选答案与问题的满足度匹配问题，文本去重可以抽象为文本与文本的相似度匹配问题。2、文本匹配方法概述2-
转载
2023-09-27 21:28:26
136阅读
简介将图片上文字识别出来，是一件非常有意思的事，而这样技术的实现，同样有助于我们实现图片验证码的识别，将图像翻译成文字一般成为光学文字识别（Optical Character Recognition， OCR）。可以实现OCR的底层库并不多，目前很多库都是使用共同的几个底层OCR库，或者是在上面进行定制。一些人是通过机器学习的方法，自己进行训练来实现识别，但那样识别率不高，并且也较为繁琐，今天我们
全球计算机视觉三大顶级会议之一 CVPR 2019 将于当地时间 6 月 16-20 日在美国洛杉矶举办。届时，旷视首席科学家、研究院院长孙剑博士将带领团队远赴盛会，助力计算机视觉技术的交流与落地。在此之前，旷视每周会介绍一篇被 CVPR 2019 接收的论文，本文是第 5 篇，旷视南京研究院提出了一种基于图卷积网络的多标签识别模型 ML-GCN 以及一种构建相关系数矩阵的二次加权方法。 
转载
2023-12-18 09:28:57
89阅读
文章检测工具，好用的有哪个？很多自媒体新人在刚刚进行内容创作的时候，总是很难下笔，创作一篇基本上好花上大半天的时间。所以大家都会利用洗稿或者伪原创的方式去创作，但是这种方式很容易被平台检测出来内容重复度过高，导致审核不通过或者没有推荐量和阅读量。对于这样的问题，今天小编给大家介绍一款好用的自媒体文章原创度检测工具，帮助大家提升发文质量。这里给大家推荐的这款工具叫--蚁小二。那么这款自媒体工具怎么使
转载
2023-12-28 15:22:54
159阅读
意念打字登Nature封面！每分钟写90个字符，准确率超99%，网友：我打的都比它慢万万没想到，脑机接口这么快就有了重大突破！甚至还登上了Nature封面。一位截瘫患者，正在用“意念”打出一段话，0.5秒左右就能输出一个字母。准确率也十分惊人，高达99.1%。RNN立功了这位代号为T5的老爷子脑中植入的，是两个来自Braingate的电极阵列，各含有96个电极。实验刚开始就遇到第一个困难：如何识别
转载
2024-05-21 18:41:03
14阅读
一、什么是命名实体识别命名实体识别是识别一个句子中有特定意义的实体并将其区分为人名，机构名，日期，地名，时间等类别的工作。命名实体识别本质上是一个模式识别任务, 即给定一个句子, 识别句子中实体的边界和实体的类型。是自然语言处理任务中一项重要且基础性的工作。二、实体关系抽取实体和实体之间存在着语义关系, 当两个实体出现在同一个句子里时, 上下文环境就决定了两个实体间的语义关系。完整的实体关系包括两
转载
2023-08-08 12:40:19
86阅读
模式识别是什么？作为人工智能的一个重要方向，模式识别的主要任务是模拟人的感知能力，如通过视觉和听觉信息去识别理解环境，又被称为“机器感知”或“智能感知”。人们在观察事物或现象的时候，常常要寻找它与其他事物或现象的不同之处，并根据一定目的把相似、但又细节不同的事物或现象组成一类。字符识别就是一个典型的例子，如数字“4”可以有各种写法，但都属于同一类别。人脑具有很强的模式识别和推广能力，即使对于某种不
转载
2023-11-05 19:31:05
84阅读
语言识别的概念机器翻译用印刷文本作为输入，能清楚地区分单个单词和单词串 。 语音识别用语音作为输入，口语对话与语音信号中语言提取的不同： （1）上下文猜测 （2）肢体语言传达信息 fare | fair male | mail语音识别的主要过程语音识别流程分帧：把一段语音分成若干小段 状态：把每一帧识别作为一个状态 音素：把状态组合成音素，即声母亲和韵母。 声学模型（acoustic model）
转载
2023-12-21 11:58:49
78阅读
自然语言的特性为什么计算机难以理解人类的自然语言呢？主要是下面6个特性：词汇量 在自然语言中含有很丰富的词汇，而编程语言中能使用的关键字数量是有限的结构化 自然语言是非结构化的，而编程语言是结构化的，例如类和成员。自然语言是线性字符串，要分析它，需要用到分词、命名实体识别、指代消解和关系抽取等。歧义性 我们说话含有大量的歧义，要根据上下文语境来判断。中文就更加多歧义了。容错性 即使是多次校对的文稿
转载
2023-12-27 17:14:33
117阅读
自然语言处理系列：开篇这个系列的起因这个系列的框架概率&统计机器学习文本挖掘（NLP背景）基于深度学习的自然语言处理 这个系列的起因前几天在网上意外搜到了自然语言处理（Natural Language Processing， NLP）的学习路线图（roadmap，点这里），一共四张，分别介绍了概率&统计、机器学习、文本挖掘（NLP背景）和基于深度学习的自然语言处理，仔细看下来，既
转载
2024-06-08 19:46:35
44阅读
自然语言处理(NLP) 自然语言处理，简单来说就是构建人与机器之间沟通的桥梁，以实现人机交流的目的。 自然语言处理有两大核心任务：自然语言理解(NLU)与自然语言生成(NLG)。词干提取(Stemming)是去除单词的前后缀得到词根的过程。词形还原(Lemmatisation)是将单词的复杂形态转变成最基础的形态。分词(Tokenization) 分词是自然语言处理的基础任务，将句子、段落分解为字
转载
2023-07-31 23:13:36
0阅读
摘要 本文介绍基于NLP领域多方式融合方法进行关于图文方面的内容理解和应用。一、简介图文内容标签有三个典型的应用场景[1]：第一，个性化推荐，通过对内容进行标签提取，结合用户的兴趣TAG，对用户进行精准的个性化推荐，是内容标签在个性化推荐上面的一个典型的应用。第二，搜索，通过内容的关键词或者内容标签，跟用户输入的关键词做精准匹配，返回更精确的搜索结果。第三，标签提取，使用内容标签作为
转载
2023-12-20 21:28:08
59阅读
pytorch进行图像识别 Facebook已将其PyText项目开源，该项目是一种用于自然语言处理（NLP）的机器学习库，旨在使实验项目和生产系统的组合变得更加容易。 PyText建立在Facebook现有的PyTorch库中，用于机器学习，并由公司内部使用，其创建目的是解决如何使用神经网络（例如用于NLP）进行机器学习。 他们在帖子中说，这样的库通常是“在针对实验优化的框架和针对生产优化的框
转载
2023-09-04 21:35:31
57阅读
