Hands-Natural-language-processing-python 1: NLTK

零基础转AI工程师的7本核心书单与分阶段实践路径 AI工程不是纯理论推导,而是融合认知建模、数学直觉、代码实现与系统部署的综合能力体系。理解机器学习基本范式、掌握梯度下降与反向传播的物理意义、熟悉Scikit-Learn与PyTorch等主流工具链,是构建技术判断力的前提;而将模型封装为Docker服务、设计特征存储契约、监控数据漂移等MLOps实践,则决定AI能否真正落地。本书单聚焦‘可迁移能力生长轴’,以《Hands-On Machine Learning》《Designing Machine Learning Systems》等7本经典为支点,覆盖从 阅读详情

基本用法:

>>> from nltk.tokenize import word_tokenize as wtoken
>>> wtoken(samples_tw[20])
>>> from nltk.stem import PorterStemmer
>>> stemming = PorterStemmer()
>>> stemming.stem('enjoying')
'enjoy'
>>> stemming.stem('enjoys')
'enjoy'
>>> stemming.stem('enjoyable')
'enjoy'
>>> from nltk.corpus import stopwords
>>> sw_l = stopwords.words('english')
>>> sw_l[20:40]
['himself', 'she', "she's", 'her', 'hers', 'herself', 'it', "it's", 'its', 'itself', 'they', 'them', 'their', 'theirs', 'themselves', 'what', 'which', 'who', 'whom', 'this']
>>> example_text = "This is an example sentence to test stopwords"
>>> example_text_without_stopwords = [word for word in example_text.split() if word not in sw_l]
>>> example_text_without_stopwords
['This', 'example', 'sentence', 'test', 'stopwords']
>>> from nltk.corpus import webtext
>>> webtext_sentences = webtext.sents('firefox.txt')
>>> webtext_words = webtext.words('firefox.txt')
>>> len(webtext_sentences)
1142
>>> len(webtext_words)
102457
>>> vocabulary = set(webtext_words)
>>> len(vocabulary)
8296
>>> frequency_dist = nltk.FreqDist(webtext_words)
>>> sorted(frequency_dist, key=frequency_dist.__getitem__, reverse=True)[0:30]
['.', 'in', 'to', '"', 'the', "'", 'not', '-', 'when', 'on', 'a', 'is', 't', 'and', 'of', '(', 'page', 'for', 'with', ')', 'window', 'Firefox', 'does', 'from', 'open', ':', 'menu', 'should', 'bar', 'tab']
>>> large_words = dict([(k,v) for k,v in frequency_dist.items() if len(k)>3])
>>> frequency_dist = nltk.FreqDist(large_words)
>>> frequency_dist.plot(50, cumulative=False)
wcloud = WordCloud().generate_from_frequencies(frequency_dist)
import matplotlib.pyplot as plt
plt.imshow(wcloud, interpolation='bilinear')
<matplotlib.image.AxesImage object at 0x000000000DED65F8>
plt.axis('off')
(-0.5, 399.5, 199.5, -0.5)
plt.show()

 

 

 

 

 

 

LLM工程师必读四本硬核技术书:数学、架构、系统与工程闭环 大语言模型(LLM)不是黑箱,而是可解构、可优化、可工程化的复杂系统。理解其底层原理需从注意力机制的数学本质出发,掌握位置编码(如RoPE)的几何意义与梯度传播规律;进阶需厘清Transformer架构演进中的设计权衡,例如ALiBi与RoPE在长上下文下的性能差异;再深入到系统层,必须直面GPU内存墙、FlashAttention的算术强度瓶颈及PagedAttention的内存管理逻辑;最终落地依赖工程化能力——量化误差控制、Tokenizer漂移防御、RAG幻觉抑制等。这四类能力构成LLM研发的完整技 阅读详情

相关推荐

Hands-On-Natural-Language-Processing-with-Python:Packt发行的《使用Python进行自然语言处理》(Hands On Natural Language Processing with Python),由Packt发布

使用Python进行动手自然语言处理 这是Packt发布的《 的代码库。 将深度学习架构应用于NLP应用程序的实用指南 这本书是关于什么的? 自然语言处理(NLP)已在Web搜索,广告,客户服务等各个领域中找到了其应用,并且借助深度学习,我们可以在这些应用领域中带来高性能。 本书教您在执行各种NLP任务时利用深度学习模型。 它还展示了应对NLP挑战的最佳实践。 本书涵盖以下激动人心的功能: 实现单词的语义嵌入以对实体进行分类和查找 通过训练在单词上执行算术运算,将单词转换为向量 训练深度学习模型以检测推文,新闻的分类 使用搜索和RNN模型实施问答模型 使用CNN训练各种文本分类数据集的模型 如果您觉得这本书适合您,请立即获取! 说明和导航 所有代码都组织在文件夹中。 例如,Chapter02。 该代码将如下所示: if (test expression) { State

Hands-On Natural Language Processing with Python 教程

Hands-On Natural Language Processing with Python 教程 1、项目介绍 Hands-On Natural Language Processing with Python 是由 Packt Publishing 出版的一本关于自然语言处理(NLP)的实践指南。该项目提供了一系列的代码示例和教程,帮助开发者利用深度学习模型在各种NLP任务中取得高性能。本书...

gitblog_00508的博客 992

Hands-On-python-natural-language-processing-master.zip

利用Python语言编程实现机器学习和自然语言处理。具体包括:1.Building your NLP vocabulary. 2.Exploring Document, Sentence and Character Level Embeddings. 3.Transforming Text into Data Structures. 4.Word Embeddings and Distance Measurements for Text. 5.Word Embeddings and Distance Measurements for Text.

Hands-On Natural Language Processing with Python 项目教程

Hands-On Natural Language Processing with Python 项目教程 1. 项目的目录结构及介绍 Hands-On-Natural-Language-Processing-with-Python/ ├── Chapter01/ ├── Chapter02/ ├── Chapter03/ ├── Chapter04/ ├── Chapter05/ ├── Cha...

gitblog_00025的博客 394

Hands-On_Natural_Language_Processing_with_Python

Hands-On_Natural_Language_Processing_with_Python 2018 a lot of examples

Proteus快速入门(最详细教程)

Proteus 是一款用于嵌入式单片机仿真的软件,用于在打PCB板之前对软件程序和硬件电路的正确性进行仿真验证。1.所以Proteus一般会和Keil软件进行联合仿真,在Proteus中绘制系统的电路图,在Keil软件中编写对应的程序后生成Hex文件。2.Proteus的仿真结果仅供参考,只能在一定程度上验证系统的可能性。实际实物系统还需要进行进一步的调试。以上即为本次分享的Proteus入门教程的全部内容,希望可以能够帮助到各位道友。

ediykk的博客 15万+

人工智能书籍集锦

本博客总结人工智能中常用的书籍,旨在帮助了解和研究更加强大的AI技术。主要总结以下几个主要领域的书籍: AI Books Reinforcement Learning Machine Learning Deep Learning Neural Network Natural Language Processing Data Science Computer Vision Robotics AI Books Python Artificial Intelligence Projects for Begin

半夏微凉的博客 1701

高速DAC设计与实现--AD9122

目录 芯片简介: 功能配置设计 高速DAC软件驱动设计 芯片简介: AD9122 是一款双通道16位高性能数模转换器(DAC),在800MSPS工作条件下其无杂散动态范围(SFDR)高达72dBc,最高可提供1200 MSPS采样速率。 高速DAC--AD9122电路原理图 硬件设计的电路原理图如上图所示,AD9122具备针对直接变频传输应用进行优化的特性,包括复数数字调制以及增益与失调补偿。DAC输出经过优化后可直接与模拟正交调制器无缝接口,便于后期使...

独木舟216的博客 1万+

《Natural Language Processing with Python》读书笔记 003期

这个2554.txt已经改名了貌似,改成2554-0.txt了。把代码也相应改了。 长度变成了:1176965 多了一些编码: &gt;&gt;&gt; len(tokens) 257726 &gt;&gt;&gt; tokens[:10] ['\ufeffThe', 'Project', 'Gutenberg', 'EBook', 'of', 'Crime', 'and', 'Puni...

bright_silmarillion的专栏 550

LCD驱动芯片——BL55072A驱动程序

初始化子程序: START 0x7C; I2C子地址 0xEA;ICSET,软件复位芯片 0xC0;MODSET,关显示 0xF0;BLKCTL,关闪烁 0xA3;DISCTL,80Hz Line inversion,High Power mode 0xE8;ICSET,清复位bit1 STOP 显示刷新子程序: START 0x7C;I2C子地址 0xF0;BLKCTL,关闪烁 0xA3;DISCTL,80Hz Line inversion,High Power mode 0xE8或0xEC;ICSE

love421的博客 3175

Mac上Office合法安装与激活全指南:2021/2024/M365区别解析

Office是微软办公套件的核心产品,其在macOS平台的部署逻辑与Windows截然不同——不依赖传统密钥激活,而是基于Microsoft账户与设备标识的云端绑定机制。理解这一原理,是解决‘无法验证开发者’‘打不开’‘功能受限’等常见问题的前提。Office 2021代表永久许可模型,Office 2024 LTSC面向企业离线场景,Microsoft 365则是持续订阅服务,三者在授权验证方式、更新策略与系统兼容性上存在本质差异。实际应用中,需结合macOS版本、芯片架构(Intel/Apple Sil

weixin_33491377的博客 1281

手写TensorFlow文本分类流水线:词袋与TF-IDF实战

文本分类是自然语言处理的基础任务,其核心在于如何将离散文本转化为机器可学习的数值特征。词袋模型(Bag of Words)通过统计词频忽略语法顺序,TF-IDF则进一步引入逆文档频率以抑制高频通用词、增强判别性词汇权重。二者虽原理简洁,却是BERT等大模型输入表示的底层逻辑起点。在电商客服、法律文书、影评分析等实际场景中,特征设计是否匹配数据分布(如高同质化文本下TF-IDF可能失效),直接决定模型泛化能力。本文基于TensorFlow原生API,从清洗、分词、词汇表构建到稀疏张量生成与IDF数值稳定计算,

weixin_30892763的博客 355

国税局发票查验中英文验证码识别最新版,识别率99.9%

采用深度学习进行发票查验验证码模型的训练,在我电脑上模型训练的环境如下: 显卡:RTX 2080TI tensorflow-gpu:2.5.3 1 训练集和测试集的准备 发票查验的验证码分为4种类型,分别为黑色、红色、黄色、蓝色,经过我的测试,采用4个模型的效果最好,每个模型对应识别一种类型的验证码。 首先我们4种类型的验证码都准备10万张。 00黑色类型的验证码: 01红色类型的验证码: 02黄色类型的验证码: 03蓝色类型的验证码: 验证码图像图像准备好后,对其进行标记,也就是对验证码重命名:

Keras深度学习 83万+

《Natural Language Processing with Python》读书笔记 004期

编程是切勿急躁,但是也不能慢悠悠啊【手动捂脸】 这章主要都是python的非常基础的知识,有很多BUG也都是非常非常有特点的需要注意的 基本上对于个人来讲没有特别多的新知识了 assert的用法可以再熟悉一下,这个其实有的时候挺有用的,尤其是在学网课进行自我监督时。 函数的docstring突然想起来,自己貌似很少写╮(╯▽╰)╭,这点之后也得注意 引用一段话: 编程是一种技能,需要获...

bright_silmarillion的专栏 792

Open3D(C++) 点云构建三维Delaunay三角剖分

C++版本的Open3D实现从点云构建三维Delaunay,可视化效果。

点云侠的博客 2247

广义正态分布优化算法(GNDO)详解:从理论到实践

广义正态分布优化算法(GNDO)是一种基于正态分布理论的新型元启发式优化算法。该算法通过局部开发和全局探索两种策略平衡搜索过程:局部开发利用广义平均位置和标准差进行精细搜索,而全局探索通过随机个体信息共享扩大搜索范围。GNDO具有参数少、结构简单、收敛速度快等优点,在光伏模型参数提取等工程优化问题中表现优异。算法将种群位置更新与正态分布参数调整相联系,通过自适应机制平衡探索与开发,数学分析表明其具有全局收敛性。相比传统优化算法,GNDO在探索能力和开发能力上均有优势,是高维复杂优化问题的有效解决方案。

qq_42212808的博客 138

第一章-语言处理与Python(Natural Language Processing with Python第二版)

探索的问题 1.通过结合简单的编程技巧和大量的文本,我们能实现什么? 2.怎么自动提取能代表文章的风格和内容的关键词和短语? 3.Python这个编程语言为这些工作可以提供哪些工具和技巧? 4.自然语言处理有哪些有趣的挑战? NLTK安装 https://blog.youkuaiyun.com/LOVEYSUXIN/article/details/73480647 Numpy安装 https://blog.c...

SherryLovesCoding的博客 1037

从被秒封到稳过Cloudflare!Canvas/WebGL/WebRTC多维度浏览器指纹隐身全实战

反爬和反反爬,本质上是一场持续的博弈,没有100%的隐身,只有不断升级的伪装。网上很多教程只给了个基础的噪声代码,却没讲透反爬的检测逻辑,导致你用了还是被封。这套方案的核心,不是简单的API重写,而是站在反爬的角度,模拟真实用户的所有特征,保证所有指纹的一致性、合理性、完整性。目前这套方案我用了半年,跑了上千万次请求,稳过国内国外99%的主流反爬平台,没有出现过一次因为指纹关联导致的批量封禁。大家有什么更狠的反爬场景,或者更好的伪装技巧,欢迎评论区一起交流。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 1194

《中文文本信息抽取模型与方法研究》3:事件抽取模式的自动获取

     传统的信息抽取系统大多是基于模式匹配的,因此,如何自动获取抽取模式就成为信息抽取中的一个核心问题。本章提出了一种从未标注的中文文本中基于自扩展策略自动获取时间抽取模式的算法,该算法从少数几个种子抽取模式开始,通过一个增量迭代的过程发现新模式,每一轮迭代从三个层次对抽取模式进行扩展,然后采用类似于TF/IDF的评估方法对产生的候选模式进行评估,选择得分最高的几个模式并入到当前模式集。  ...

Just for fun的专栏 4149

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

《中文文本信息抽取模型与方法研究》1:绪论

      本书依据所处理的文本对象的不同将文本信息抽取分为两类:一类是半结构化文本信息抽取,所处理的文本句法结果不完整,具有明显的版面结构和一些特定的标识信息,通常从这类文本中抽取连续的信息域。例如从科研论文中抽取头部信息和引文信息。另一类是自由文本信息抽取,所处理的文本自然语言形式的语句组成,具有完整的句法结构,主要研究从这类文本中抽取特定类型的事件信息,称为文本事件信息抽取。例如从新闻报道中...

Just for fun的专栏 3373

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

《中文文本信息抽取模型与方法研究》2:基于CRF的半结构化文本信息抽取

        半结构化文本数据一般不具有完整的句法结构,但具有明显的版面布局结构和特定的标签信息。常见的这类文本有科研论文的头部信息和引文信息、学术报告公告、个人简历、招聘信息、产品参数信息等。         从科研论文的头部信息和引文信息为例分析了半结构化文本的特征,针对HMM不能充分利用对抽取有用的上下文特征,提出了一种基于CRF的方法。在抽取信息时先利用分隔符、特定标识符等格式信息对文...

Just for fun的专栏 2341

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

《中文文本信息抽取模型与方法研究》5:基于论元结构的事件要素及其角色识别

       论元结构是沟通认知与句法结构的桥梁,是语义和句法的接口,在现代句法学和语义学研究中有着相当重要的地位,对于确定句子含义和进行文本理解意义重大。利用CRF来识别事件要素及其角色的方法。         语义分析旨在让计算机能够根据句子的句法结构和句子中每个实词的词义推到出这个句子的意义。对中文文本事件信息抽取中的事件要素及其语义角色的识别这一具体问题来说,就是要分析事件表述语句中的触...

Just for fun的专栏 1710

《中文文本信息抽取模型与方法研究》4:特定类型事件的探测与分类

     事件探测和分类是基于触发词探测的事件信息抽取中的首要任务,对事件信息抽取的后继任务至关重要。一种基于最大熵模型的事件分类方法,该方法能够综合事件表述语句中的触发词信息及各类上下文特征对事件进行分类。       确定的事件类别正确与否对事件模板的选择以及究竟要抽取哪些事件要素来填充模板至关重要。        本章所提出的基于最大熵的事件分类方法和一般的基于最大熵的文本分类方法也是不...

Just for fun的专栏 1097

NLP项目汇总

https://github.com/chilynn/sequence-labeling A HMM-like linear-chain CRF, used Tensorflow API.???? https://github.com/shawntan/python-crf https://github.com/createmomo/CRF-Layer-on-the-Top-of-BiLSTM ...

Just for fun的专栏 821
上一篇: 简明条件随机场CRF介绍(附带纯Keras实现)
下一篇: 微信小程序开发-76种动画 animate.css
CopperDong
博客等级 码龄14年 1205粉丝 466原创
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
 
 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