自然语言处理学习笔记

最新推荐文章于 2024-03-11 22:32:53 发布
原创 最新推荐文章于 2024-03-11 22:32:53 发布 · 499 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#自然语言处理 #NLP

部署运行你感兴趣的模型镜像

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型，相比 3.0 版本，它提升了图像质量、运行速度和硬件效率

自然语言处理学习笔记与实战项目_包含传统机器学习模型深度学习原理与实现TensorFlow和PyTorch框架详解TransformerBERTALBERT等预训练模型解.zip
08-15
本压缩包文件名为“自然语言处理学习笔记与实战项目_包含传统机器学习模型深度学习原理与实现TensorFlow和PyTorch框架详解TransformerBERTALBERT等预训练模型解.zip”，它提供了一系列详尽的学习资源和实战项目，...
非主流自然语言处理——遗忘算法系列（二）：大规模语料词库生成
gzdmcaoyc的博客
11-23 7045
一、前言 　　写这篇文时，突然想到一个问题，大家的词库都是从哪来的？ 　　之所以会这么有些意外的问，是因为从没把词库当成个事儿：平时处理微博，就用程序跑一下微博语料获得微博词库；处理新闻，程序跑一下新闻语料获得新闻词库。甚至没有把跑出来的词库存下来的习惯，谁知道过两天是不是又出什么新词，与其用可能过时的，不如随手生成个新鲜出炉的。 　　好吧，我承认我这是在显摆。如果你也想和我一样，想要随用随丢，任性它一把，那随我来。
NLP自然语言处理学习笔记
wangqiaowq的博客
12-07 2581
目前存在的问题有两个方面：一方面，迄今为止的语法都限于分析一个孤立的句子，上下文关系和谈话环境对本句的约束和影响还缺乏系统的研究，因此分析歧义、词语省略、代词所指、同一句话在不同场合或由不同的人说出来所具有的不同含义等问题，尚无明确规律可循，需要加强语用学的研究才能逐步解决。自动问答是指利用计算机自动回答用户所提出的问题以满足用户知识需求的任务，在回答用户问题时，首先要正确理解用户所提出的问题，抽取其中关键的信息，在已有的语料库或者知识库中进行检索、匹配，将获取的答案反馈给用户。
李宏毅自然语言处理学习笔记
QT-Smile
12-14 392
李宏毅自然语言处理学习笔记 3.
自然语言处理学习笔记（一）————概论
laosao_66的博客
07-31 2353
而这些知识是计算机不拥有的。我们经常省略大量背景知识或常识，比如我们会对朋友说“老地方见” ，而不必指出“ 老地方” 在哪里。对于机构名称，我们经常使用简称，比如“工行” “地税局” ，假定对方熟悉该简称。自然语言中可能存在大量的歧义，而这些歧义在不同的语境下可能表现为不同的意思 ，而机器所处理的编程语言则不能具有任何歧义 ，有一点歧义就会导致代码的运行错误、编译错误。编程语言受到编译器的管理，不存在“错误”，而自然语言存在大量的“不规范”和“错误”，而我们人类基本都可以理解这些有一些小错误的文本的意思。
中文自然语言处理学习笔记（一）——NLP环境配置
weixin_68955195的博客
03-11 3935
中文自然语言处理--大学生l~l~long的自学笔记
自然语言处理学习笔记（1）——词典分词
OldBaby的博客
11-10 2107
自然语言处理学习笔记（1）——词典分词 一、相关定义（P32） 中文分词：将一段文本拆分为一系列单词的过程，这些单词顺序拼接后等于源文本。 词典分词：一个确定的查词与输出的规则系统，仅需要一部词典和一套查词典的规则，是最简单、最常见的分词算法（语言是时刻在发展变化的，任何词典都只是某个时间节点拍摄的一张快照）。 词的定义：在语言学上，词语是具备独立意义的最小单位。 二、切分算法 1. 完全切分（P36） 完全切分指的是：找出一段文本中的所有单词（并不是标准意义上的分词），不考虑效率的话，朴素的完全
【NLP】自然语言处理学习笔记（二）语音转换
兴趣使然的创作者
06-18 2193
本笔记参考的课程是李宏毅老师的自然语言处理 课程Link：https://aistudio.baidu.com/aistudio/education/lessonvideo/1000466什么是语音转换？ 语音转换就是将一段语音转换成另一段语音，内容保持不变。 比如，最常见的应用是变声器。此外，也可以实现语音降噪，语音加噪等其它应用场景。 语音数据可分为两个种类：Parallel Data和Unparallel Data Parallel Data即一对对的数据集，两段相同内容的语音由不同音源来发出。 Un
自然语言处理学习笔记十一（文本分类）
liuhuabing760596103的专栏
11-12 4252
在文本聚类中，体验了无须标注语料库的便利性，但是无监督学习总归无法按照我们的意志预测出文档的类别，限制了文本聚类的应用场景。为了解决更多的需要将文档分门别类地归入具体的类别中，于是有了文本分类的产生。 一、文本分类的概念 文本分类，又称为文档分类，指的是将一个文档归类到一个或者多个类别中的自然语言处理任务。文本的类别称为标签，如果一个文档属于多个类别，此时此类问题称为多标签分类。 文本分类是一个典型的监督学习任务，其流程离不开人工指导：人工标注文档的类别，利用...
自然语言处理学习笔记九（信息抽取）
liuhuabing760596103的专栏
11-11 1626
一、新词提取 1.1 概述 1.2 基本原理 1.3 信息熵 1.4 互信息 1.5 实现 二、关键词提取 2.1 词频统计 2.2 TF-IDF 2.3 TextRank 三、短语提取 四、关键词提取 4.1 BM25 4.2 TextRank 五、总结 ...
Python 机器学习与自然语言处理学习笔记
08-17
Python机器学习与自然语言处理学习笔记深入探讨了如何利用Python语言进行机器学习和自然语言处理（NLP）的研究和应用。在当今数据驱动的世界，这两种技术已成为数据科学和人工智能领域的重要组成部分。 机器学习是...
自然语言处理学习笔记：机器学习与深度学习原理及示例，基于 Tensorflow 和 PyTorch 框架，Transformer、BERT、ALBERT 等最新预训练模型及源代码详解，以及基于预训练模
08-12
本笔记将详细介绍机器学习和深度学习在自然语言处理中的应用原理，并结合Tensorflow和PyTorch这两个主流的深度学习框架，对最新的预训练模型如Transformer、BERT、ALBERT等进行详细解读，同时提供相关的源代码示例。...
自然语言处理学习笔记与实战项目-包含传统规则模型与概率模型机器学习算法神经网络Python实现TensorFlow和PyTorch深度学习框架详解CNNRNNTrans.zip
最新发布
09-05
自然语言处理学习笔记与实战项目不仅包括理论知识的学习，还涉及到实际项目的开发。通过实战项目，学习者可以将理论知识应用于具体的任务中，如聊天机器人、情感分析、新闻分类等，从而加深对NLP技术的理解和掌握。...
从头搭建 Tensorflow 开发环境 - Ubuntu + Anaconda/conda + Tensorflow
MachineIntellect的博客
03-15 3144
TensorFlow™ 是目前最流行的深度学习开源框架，由 google 提供支持维护，本系列以官方文档为依据，详细解读 TensorFlow，从算法到代码，从理论到实践。
算法研讨会
MachineIntellect的博客
02-24 806
算法研讨会-第四期-预习资料 http://www.hdb.com/party/ew0rb.html 算法研讨会-第三期-现场视频 链接: https://pan.baidu.com/s/1bpeiqmj 密码: cpf1 算法研讨会-第三期-预习资料 http://www.hdb.com/party/rmm3b.html 算
沐神DL笔记
MachineIntellect的博客
09-24 720
墙内用户&本地安装https://conda.io/miniconda.html https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh https://pan.baidu.com/s/1geSIPcZ 从官网或者百度云，下载 Miniconda 安装包到本地从本地上传到 ubuntu scp ./Minic
零基础入门Tensorflow-001-安装
MachineIntellect的博客
08-15 512
零基础入门 Tensorflow 搭建环境，体验 tf，训练手写识别
程序员阿甘的自然语言处理学习笔记
“程序员阿甘-mast笔记”是一份聚焦于自然语言处理（NLP）与机器学习、深度学习技术实践的综合性编程学习资料，结合其描述“程序员阿甘”以及所附标签如“自然语言处理、NLP、机器学习、深度学习、Python、文本分析...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值