这段时间开始学习中文分词的原理，其目的也在于从最基础的地方开始自然语言处理的学习。虽然中文分词经过10多年的研究，已经很难在上面开花结果了。但我个人觉得这是最能锻炼自然语言基础的地方。从HMM模型、MaxEnt模型到CRFs模型，中文分词的研究，浓缩了自然语言处理的发展史。 CRFs分词的原理不难懂，就是把分词当作另一种形式的命名实体识别，利用
原创
2013-07-29 22:46:12
6196阅读
点赞
文章目录一、STL介绍二、实验内容1.序列变换（取反、平方、立方）2.像素变换（二值化、灰度拉伸）3.SET的应用 实现学生信息的增删改查4.map的应用 使用map统计字符串中每个字符出现的次数总结 一、STL介绍STL（Standard Template Library），即标准模板库，是一个具有工业强度的，高效的C++程序库。它被容纳于C++标准程序库（C++ Standard Libra
转载
2024-09-18 11:24:01
63阅读
Stanford Segmenter是Stanford大学的一个开源分词工具，目前已支持汉语和阿拉伯语，只是比较耗费内存，但貌似比中科院的分词工具快（具体没测）。 Stanford Segmenter是基于CRF（Conditional Random Field，条件随机场），CRF是一个机器学习算法，其
原创
2014-12-28 17:37:48
10000+阅读
点赞
2评论
(一) 概述1.NLTKNLTK是一款著名的python自然语言处理工具包，其内收集了NLP领域大量的公开数据集以及常用模型，涵盖了分词，词性标注，命名实体识别，句法分析，依存分析等各种NLP领域的子任务。2.Stanford NLPStanford NLP 是由斯坦福大学的NLP小组开源的用Java实现的NLP工具包，同样对 NLP 领域的各个问题提供了解决办法。相比NLTK，Stanford
转载
2024-10-16 09:23:19
181阅读
# 使用Stanford NLP的完整指南
在自然语言处理（NLP）的领域，Stanford NLP提供了强大的工具和库，为开发者提供解析、标记、实体识别等多种功能。这篇文章旨在为刚入行的小白提供一个全面的指南，帮助他们实现Stanford NLP，并带领他们完成从安装到运行样例代码的全过程。
## 整体流程概述
为了更清晰地展示整个过程，以下是一个简单的流程表：
| 步骤 | 描述
使用 Java 8 语言功能 本文内容：支持的 Java 8 语言功能和 API启用 Java 8 功能和 Jack 工具链配置 Gradle已知问题 Android 支持所有 Java 7 语言功能，以及一部分 Java 8 语言功能（具体因平台版本而异）。本页介绍您可以使用的新语言功能、如何正确配置项目以使用这些功能，以及您可能遇到的任何已知问题。 注：在为 Android 开发应用时，
在stanfordnlp的示例代码中，有这么一句：doc.sentences[0].print_dependencies() 这句话会打印出三列，第一列是分割出的单词，第三列是依存句法关系依存关系手册链接为：https://nlp.stanford.edu/software/dependencies_manual.pdf最新的链接为：http://universaldependencie
First I give the architecture of the Segmentation and Translit aftering analyzing the classes in the Segmenter.jar written by endeca.com group.
Segmentation process:
原创
2012-04-14 15:14:23
639阅读
众所周知， 斯坦福大学自然语言处理组 出品了一系列NLP工具包，但是大多数都是用Java写得，对于Python用户不是很友好。几年前我曾基于斯坦福Java工具包和NLTK写过一个简单的中文分词接口： Python自然语言处理实践: 在NLTK中使用斯坦福中文分词器 ，不过用起来也不是很方便。深度学习自然语言处理时代，斯坦福大学自然语言处理组开发了一个纯Pyt
简介 Stanford NER是命名实体识别（NER，Named Entity Recognizer）的一个Java实现。NER可以标记文本中词的序列，如人名、公司名、基因名或者蛋白质名等。它自带精心设计的用于NER的特征提取器，和用于定义特征提取器的许多选项。在“下载”处，这里有许多好的英文命名实体识别器，特别是对于有三类的（人名、组织机构名、地名）
转载
2023-10-10 16:47:37
96阅读
DECLARATION为了紧跟时代的步伐，在机器学习的浪潮中获得一点乐趣，本人最近对机器学习产生了前所未有的学习热情。但我的专业属于摄影测量与遥感，并不专门研究机器学习，所以纯属小白，如有错误还请指正，大家共同学习。开博目的：希望能和各位博友进行交流学习，共同进步。希望能通过笔记加深自己对机器学习算法的理解和认知（我忘的快⁄(⁄ ⁄•⁄ω⁄•⁄ ⁄)⁄）。学习动机：当下，人工智能和机器学习非常火热
转载
2024-02-07 11:43:33
25阅读
测试站点：http://nlp.stanford.edu:8080/parser/index.jsp先贴点代码，是stanfor-parser的demo：import java.util.Collection;import java.util.List;import java.io.StringReader;import edu.r
转载
2013-05-08 19:41:00
117阅读
2评论
当前中文指代消解领域比较活跃的研究者是Chen和Vincent Ng，这两个人近两年在AAAI2014, 2015发了一些相关的文章，研究领域跨越零指代、代词指代、名词指代等，方法也不是很复杂，集中于规则+特征+模型的传统思路。国内集中在苏州大学周国栋老师带领的团队和刘挺、秦兵老师带领的团队，分别在Berkeley Parser、LTP基础上做了一些研究，但是遗憾的是，近年来国内学者好像没有顶会命
转载
2023-07-29 18:20:48
167阅读
随着计算机技术的革新，互联网新媒体的快速发展，人们的生活已经进入高速信息时代。我们每天的生活都要产生大量数据，因此我们获取数据的速度和规模不断增长，大量数据不断的被存入存储介质中形成海量数据。 数据挖掘是从存放在数据库、数据仓库或者其他信息库中大量的不完全的有噪声的模糊的随机的数据中提取隐含在其中的人们事先未知、但潜在有用的信息和知识过程。数据挖掘需要经历数据收集、数据分析和数据可视化等三个
Content：1. Linear Regression 1.1 Linear Regression with one variable 1.1.1 Gradient descent algorithm 1.2 Linear Regression with multiple variable 1.2.1 Feature Scaling 1.2.2 Features and p
转载
2024-07-23 13:28:42
16阅读
Stanford CoreNLP 是一个强大的自然语言处理工具包，旨在支持各种文本分析任务，包括分词、词性标注、句法分析、情感分析等。为了帮助开发者和研究人员更好地理解和应用 Stanford CoreNLP，本文将通过多个方面详细阐述其使用过程、技术原理、架构及应用场景。
## 背景描述
在现代自然语言处理任务中，Stanford CoreNLP 提供了一个完整的解决方案，支持多种语言和任务
HTML5 + 流媒体文件目前安装过的服务器版本ubuntu 1.3 Centos 6.5下面2个是在Centos上使用的Centos 准备安装删除已安装包yum erase ffmpeg x264 x264-develCentos 安装各种依赖包yum install gcc make nasm pkgconfig wget curl curl-devel zlib-devel o
原创
2014-03-05 17:42:09
10000+阅读
点赞
2评论
segmenter:分词 postagger(pos tagger):词性标注 ner(named entity recognizer):命名实体 parser:
转载
2017-03-20 17:20:00
99阅读
2评论
斯坦福所倡导的设计思维I'm interviewing my colleague Lennart Frantzell, a fellow developer advocate on the IBM Developer San Francisco team. Inside IBM, Lennart focuses on one of our most technically in-depth com
转载
2023-09-15 11:25:30
109阅读
一、yum安装FFmpeg1. 最偷懒的方式就是yum安装了，自动解决依赖。不过CentOS系统默认无FFmpeg源，企业版 Linux 附加软件包EPEL源也不包含，需要手动添加yum源配置/etc/yum.repos.d/dag.repo:[dag]
name=Dag RPM Repository for R
原创
2015-05-22 12:47:41
4560阅读
