- 博客(11)
- 收藏
- 关注
RSS订阅原创 DeepSenti v2 情感分析大模型
DeepSentiv2情感分析引擎升级，支持中英文双语分析，采用跨语言迁移学习技术，准确识别混合文本中的情感表达。提供通用、电商、学术三个领域微调模型，通过对比学习和注意力机制提升对复杂表达的识别能力。新增情感关键词提取功能，定位影响情感判断的核心词汇，增强结果可解释性。优化后的推理速度提升3倍，支持秒级响应和大规模实时处理。输出包含结构化数据和可视化图表，适用于舆情监测、电商评论分析、学术研究等多种场景。
2025-12-01 09:05:12
1121
原创 一站式图像标注与分割：更高效的图像结构化方式
最近我把tatools 的图像处理模块做了较大更新，希望让用户更轻松地从图像中获得结构化信息。传统的语义分割与实例分割往往需要提前准备大量类别，或受限于固定的标签体系。后续我会继续迭代分割精度、类别推断和可视化方式，希望让“图像结构化”变得更简单、更通用。把一批商品图分割出主体与周围物件，用于“商品相似度计算”或“自动编辑主图”。教师在课堂上展示“咖啡馆空间构成”，系统自动分割出桌椅、灯光、动线等元素。从大量游客照片中抽取“最常被拍摄的空间”“热门打卡点的视觉组成”。自动识别建筑、街道、绿地、公共设施。
2025-11-23 09:25:50
520
原创 文本相似度去重雷达～社科/运营/客服数据狗的宝藏工具
建议大家试试，特别是赶论文、年终复盘、客户调研的人，真的能省掉一半整理时间，而且“导师/老板问细节”时有数据有图说话，太香了！雷达图/热力矩阵/重复 pair 下载都准备好了，写论文或复盘时直接截图 + 引用即可，导师看了会以为你用了“超级复杂的语义算法”（其实一行代码都不用写）。一个网页工具，上传开放题、访谈稿、政策段落都行，点一下自动识别语义相似、分群，还给你雷达图、热力矩阵、重复文本对…我一次丢 500 条问卷开放题，几分钟就出结果，自动聚类+标注关键词，哪类吐槽最猛一眼就明白。
2025-11-20 15:46:29
446
原创 技术解码｜特征提取(一)：高频词vs关键词
摘要：特征提取是将文本数据转换为机器可处理的数值特征的关键步骤，包括词频统计、向量表示和语言结构分析等方法。其作用是降低维度、提取有效信息，使文本可计算。与分词不同，特征提取更注重数值转换。高频词提取和关键词提取（如TF-IDF、TextRank）是常见方法，工具如tatools提供可视化操作界面实现这些功能。特征提取直接影响模型性能，是文本分析的重要预处理环节。（148字）
2025-11-06 14:06:29
985
原创 文本分析基础技术解码｜词典(二)：创建自己的词典
自定义词典的创建可提升文本分析精准度，尤其适合专业领域术语、新词和停用词处理。TATOOLS提供高频词提取和智能发现新词两种方式创建词典，并支持搜狗输入法词库转换，便于快速构建高质量领域词典。
2025-09-20 16:11:30
946
原创 文本分析基础技术解码｜词典(一)：基本概念和类别
词典是自然语言处理中的关键工具，包含预定义的词列表及属性信息，用于文本清洗、分词和语义理解。主要作用包括过滤停用词、指导分词和增强语义特征。常见词典类型有分词词典、停用词词典、专有名词词典、命名实体词典、情感词典和新词词典。专有名词词典侧重语法层面的词语识别，而命名实体词典关注语义层面的实体分类。词典为机器处理自然语言提供必要知识，提升文本分析的准确性和效率。
2025-09-17 15:32:07
650
原创 文本分析基础｜词性标注：分词之后，模型之前
词性标注是NLP基础步骤，为文本中的词分配语法角色标签，分为实词和虚词两大类。不同语言词性体系各异，标注方法包括基于规则、统计和深度学习三种。词性标注能辅助句法分析、语义理解及信息提取，通过词性过滤可优化结果、提升下游任务效率。工具如TATOOLS集成jieba和SpaCy，支持中英文标注。
2025-09-16 18:51:15
1327
原创 文本分析基础｜分词：依据比方法更重要
分词是NLP的基础步骤，将文本分解为语义单元。中英文分词差异显著：英文依赖空格分隔但需词形还原，中文则需解决无分隔符和一词多义问题。中文分词方法包括规则分词、统计分词、混合分词和向量化分词，其中词典质量对效果至关重要。TATOOLS集成三种分词模式：精确模式（细粒度切分）、全模式（最大召回）和搜索引擎模式（兼顾精确与召回），以适应不同场景需求。分词质量直接影响下游NLP任务效果，因此需要根据具体应用选择合适的分词策略。
2025-09-15 16:25:12
1266
原创 文本分析的基础｜文本清洗(三)：信息价值评估与筛选
前两篇文本清洗工具介绍了基于固定规则的清洗和基于 ai 语言理解的结构还原，但是这还远远不够，仅仅使文本达到了“可用”标准，但并不意味着文本具备完备的可分析“价值”。最后，用户可基于滑动条设置阈值（推荐初始值0.7），一键导出高价值文本，快速构建出一个去芜存菁的高质量语料库，用于后续的机器学习模型训练或深度文本分析。最后，用户可基于滑动条设置阈值（推荐初始值0.7），一键导出高价值文本，快速构建出一个去芜存菁的高质量语料库，用于后续的机器学习模型训练或深度文本分析。信息价值评估器的交互界面。
2025-09-14 16:25:59
1414
原创 文本分析的基础｜文本清洗(二)：文本结构还原，还原断句，恢复缺失的标点符号
智能文本结构还原器是NLP分析的重要工具，专注于解决文本处理中的断句和标点修复问题。它能自动分离标签与正文、去除重复内容、重组段落结构并保留关键信息，显著提升后续分析精度。相比原始文本，经处理的文本使情感分析更准确、关键词提取更精准、语义理解更清晰、分类结果更可靠。该工具作为传统规则方法的智能补充，专门处理语义层面的复杂问题，确保NLP流程获得高质量的结构化文本。
2025-09-13 21:14:28
550
原创 文本分析的基础｜文本清洗(一)：噪声去除
文本清洗（Text Cleaning）是NLP任务中关键的预处理步骤，旨在将原始文本转化为标准化格式。由于"垃圾输入导致垃圾输出"原则，清洗能有效提升数据质量，避免算法提取无效特征、算力浪费和错误归因。常见需清洗的文本包括社交媒体内容、网页爬取数据、OCR识别文本等。清洗方法分为噪声去除（清除停用词、冗余字符等）、语义还原（重建文本逻辑结构）、语法保留（维护关键标点）和智能分段（按语义切分长文本）。工具如TATOOLS提供可视化操作界面，支持上传文档后选择清洗选项（停用词过滤、标点清除等
2025-09-13 20:47:34
1393
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人