NLP基础学习论文一：NLP-baseline-word2vec 1、词的表示方法 ONE-hot表示形式 一个向量只有一个地方是1，其他全是0通过共现次数先构造共现矩阵，但是此时如果词数过多，构造的共现矩阵就会过大，所以这个时候需要进行降维度。SVD： 继续向下演进，本文采用word2vec的是分布式表示方法。 此时向量里的内容都是一个浮点数而不是0或者1，而这些数是通过训练而得到的。 每个词都
1，corpus 语料库a computer-readable collection of text or speech 2，utterance发音比如下面一句话：I do uh main-uh 是 fillers，填充词（Words like uh and um are called fillers or filled pauses ）。The broken-off word
转载
2023-12-27 09:43:57
55阅读
目录1. XX Learning（XX学习）Curriculum Learning（课程学习）Self-Paced Learning（SPL） 自步学习Contrastive Learning （对比学习）相关模型相关损失Contrastive Clustering（对比聚类）Metric Learning （度量学习）Dual Learning （对偶学习）Dual Contrastive
转载
2024-04-09 22:13:46
76阅读
# NLP 生成指令的实现流程
在现代软件开发中，自然语言处理（NLP）正在成为一个热门话题，许多开发者希望为他们的应用程序生成命令或指令。对于刚入行的小白来说，学习如何实现这一点可能会感到迷茫。本文将通过具体步骤、代码示例以及详细解释来帮助你实现NLP生成指令的功能。
## 流程概述
以下是整个实施过程的概述：
| 步骤 | 描述 |
|------|------|
| 1 | *
原创
2024-10-06 04:50:27
136阅读
Attention原理目前大多数的注意力模型都是依附在 Encoder-Decoder 框架下，但并不是只能运用在该模型中，attention机制作为一种思想可以和多种模型进行结合，其本身不依赖于任何一种框架。Encoder-Decoder 框架是深度学习中非常常见的一个模型框架，例如在 Image Caption 的应用中 Encoder-Decoder 就是 CNN-RNN 的编码 - 解码框
转载
2024-03-11 13:40:28
35阅读
//string函数用法详解！附代码，写具体的用法！
#include <iostream>
#include <string>
#include <sstream>
using namespace std;
int main()
{
//1.string类重载运算符operator>>用于输入，同样重载运算符operator<
转载
2024-09-10 08:18:57
56阅读
nlp常见任务代码总结本文的目的在于梳理NLP企业级的应用任务，根据jd判断当前主流的NLP在企业中的应用水平，熟悉常见的任务+技术+数据+评价方式。一、nlp常见任务综述信息抽取：从给定文本中抽取重要的信息，比如时间、地点、人物、事件、原因、结果、数字、日期、货币、专有名词等等。通俗说来，就是要了解谁在什么时候、什么原因、对谁、做了什么事、有什么结果。文本生成：机器像人一样使用自然语言进行表达和
转载
2023-09-28 22:36:10
191阅读
前言总结目前语音识别的发展现状，dnn、rnn/lstm和cnn算是语音识别中几个比较主流的方向。2012年，微软邓力和俞栋老师将前馈神经网络FFDNN（Feed Forward Deep Neural Network）引入到声学模型建模中，将FFDNN的输出层概率用于替换之前GMM-HMM中使用GMM计算的输出概率，引领了DNN-HMM混合系统的风潮。长短时记忆网络（LSTM，LongShort
转载
2024-09-28 08:39:56
42阅读
好的工具类都有哪些通用的特征写法构造器必须是私有的。这样的话，工具类就无法被 new 出来，因为工具类在使用的时候，无需初始化，直接使用即可，所以不会开放出构造器出来。工具类的工具方法必须被 static、final 关键字修饰。这样的话就可以保证方法不可变，并且可以直接使用，非常方便。注意：尽量不在工具方法中，对共享变量有做修改的操作访问（如果必须要做的话，必须加锁），因为会有线程安全的问题。除
人机交互是一门计算机科学，主要研究关于设计、评价和实现供人们使用的交互计算系统以及相关现象的科学。人机交互的发展经历了以下几个阶段：手工作业阶段、作业控制语言与交互命令语言阶段、图形用户界面（GUI）阶段、网络用户界面，目前已经发展到多通道、多媒体的智能人机交互阶段。其中，语音人机交互是当前多通道、多媒体智能人机交互的主要方式。特别是苹果Siri、科大讯飞语点的出现，让智能语音人机交互技术实现了新
springboot使用RedisTemplate执行lua脚本业务场景pom文件中引入redis 依赖redis 配置类实现的lua脚本实现的java代码实现功能过程中遇到的一些坑 业务场景不同的地区办理业务生成的文件编号格式必须要求为：当前年月+5位数字，且数字是从00001开始递增。最开始想的解决办法是生成自增序列去实现，但是由于地区数量太多，不能每个地区都整一个序列，所以这个方案就不行了
转载
2023-08-10 19:31:55
253阅读
打印机命令
<!> {offset} <200> <200> {height} {qty}
! 起始符
{offset}：整个标签的横向偏置。此值可以使所有域以指定的单位数量进行横向偏置。
<20
转载
2024-03-29 14:16:40
557阅读
# 基于自然语言处理的简单指令生成数据
自然语言处理（NLP）正在改变我们与计算机互动的方式。通过简单的指令，NLP可以帮助我们生成有价值的数据。本文将探讨NLP如何根据输入命令生成数据，并提供代码示例，以便于读者理解这一概念。
## 1. 什么是自然语言处理？
自然语言处理是一个交叉学科，结合了计算机科学、人工智能和语言学，旨在使计算机能够理解、解释和生成自然语言。NLP的应用涵盖了许多领
原生js拖拽： <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <meta ht
原创
2021-07-13 17:05:37
415阅读
一、NLP是什么自然语言处理( Natural Language Processing, NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语
转载
2023-05-24 14:53:53
213阅读
搜索引擎的基本的术语1.tf/df/idftf是词频，就是某个词的出现的次数，表示的是一个词的局部信息。df是文档频率，就是指某个词的文档频率，这个词在多少个文档中出现。idf是逆文档频率，它是词重要性的一个很好的衡量。计算如下：在大量语料库中统计的，所以一般表示一个词的全局信息。2.pagerankpagerank用来衡量网页重要性的一个指标。核心思想是投票原则。如果指向某个网页的链接非常多且质
转载
2023-10-07 14:17:22
177阅读
前言：NLP工具有人推荐使用spacy，有人推荐使用tensorflow。tensorflow：中文译作：张量（超过3维的叫张量）详细资料参考：http://www.tensorfly.cn/Jiagu：甲骨，语言处理工具，源码参考：https://github.com/ownthink/Jiagujiagu的中文分词是基于 深度学习的方法的。看来甲骨的分词还是比较先进的。分词一般有3种
转载
2024-03-14 11:24:11
111阅读
一、词袋模型：分词、去停用词、消除数字、英文，得到若干词语的集合。二、词典：词语和其索引ID的一一对应关系。假设共有N个词语。三、one-hot编码: 在词典基础上，分词之后的文章的词频向量。可以看成是M*N的单词-文档矩阵A。A(i,j)=第i篇文章中词典索引为j的词语出现的次数，即词频TF。四、TF-IDF模型：在one-hot基础上，A(i,j)的值由词频变成了词频*逆文档频率。缺点：不能表
转载
2023-08-03 22:26:53
125阅读
https://github.com/xianhu/funNLP最近需要从文本中抽取结构化信息，用到了很多github上的包，遂整理了一下，后续会不断更新。很多包非常有趣，值得收藏，满足大家的收集癖！ 如果觉得有用，请分享并star，谢谢！涉及内容包括：中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽取、身份证抽取、邮箱抽取、中日文人名库、中文缩写库、拆字词典、词汇
转载
2024-03-14 11:29:15
57阅读
1.正则表达式正则表达式在处理文本方面发挥着重要的作用 1.re.match() 从字符串开头匹配，匹配成功返回匹配结果，加上.group（）可查看匹配到的具体的值，匹配不成功则返回Noneimport re
print(re.match(r'a','abc123').group()) #a
print(re.match(r'A','abc123',re.I).group())#a，加上re.I可
转载
2023-09-27 16:55:02
148阅读
