特征工程引入首尾词特征

最新推荐文章于 2025-12-15 15:46:42 发布

小基基o_O

最新推荐文章于 2025-12-15 15:46:42 发布

阅读量139

点赞数 1

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/Yellow_python/article/details/107003404

自然语言处理-应用级专栏收录该内容

15 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

该博客探讨了在特征工程中如何引入首尾词特征，以增强样本分析的效果。通过一个极简的商品类别样本，展示了如何处理和利用这些特征，从而提升分类任务的准确性。

样本（商品及其类别）

苹果味牛奶 drink
牛奶味苹果 fruit
苹果 fruit
牛奶 drink
香蕉 fruit
可乐 drink

极简示例

from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
from jieba import lcut
xy = '''
苹果味牛奶 drink
牛奶味苹果 fruit
苹果 fruit
牛奶 drink
香蕉 fruit
可乐 drink

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

小基基o_O

关注关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

大数据分析中非结构化数据的特征提取

大数据洞察的博客

06-21

520

原始信号的高维冗余性与分析任务的低维语义需求之间的冲突。模态异质性：文本（离散符号序列）、图像（连续像素矩阵）等模态的物理属性差异导致特征提取方法不通用。语义稀疏性：长文本中的长尾词、低分辨率图像的模糊区域等导致有效信息密度低。动态演化性：社交文本的网络热词、短视频的新视觉风格要求特征提取模型具备持续学习能力。

【2025算法面试通关】【五.自然语言处理-传统NLP】【39.大语言模型提示工程与跨语言迁移学习面试题全解析】

商务合作|问题讨论|交流学习请联系作者微信，加微信请务必注明来意，博客主页有联系方式

04-11

694

答案：通过设计高质量输入提示，引导大语言模型（LLM）生成符合预期的输出，核心目标是提升模型性能、可控性和用户体验。

参与评论您还未登录，请先登录后发表或查看评论

51、大规模微博作者身份识别：超越简单特征工程

h9j8k7l6m5n的博客

06-04

本文介绍了一种高效且准确的微博作者身份识别方法，通过引入一元语法与字符n-元语法结合的特征工程策略，并采用Power Mean SVM分类器，显著提高了分类的准确率和计算效率。该方法在处理大规模社交媒体数据时表现出色，特别是在网络犯罪调查、品牌保护和舆情分析等领域具有广泛的应用前景。未来的发展方向包括多模态数据融合、实时监测与预警以及跨平台应用。

Deep learning 词向量

junruit的博客

07-13

2023

这篇文章来自beck_zhou 的博客以下文章转载于http://blog.youkuaiyun.com/zhoubl668/article/details/23271225　　Deep Learning 算法已经在图像和音频领域取得了惊人的成果，但是在 NLP 领域中尚未见到如此激动人心的结果。关于这个原因，引一条我比较赞同的微博。@王威廉：Steve Renals算了一下icassp录取文章题目中包含de...

大模型-提示词调优

wend的博客

03-16

4677

提示词（Prompt）在大模型应用中扮演着关键角色，它是用户输入给模型的一段文本指令。简单来说，就是我们向大模型提出问题、请求或描述任务时所使用的文字内容。例如，当我们想让模型写一篇关于春天的散文，输入的 “请创作一篇描绘春天景色的优美散文” 就是提示词。提示词的质量直接影响模型输出结果的质量和相关性，精准、清晰且富有引导性的提示词能够让模型更准确地理解我们的意图，从而生成符合期望的回答。

揭秘生成式AI提示词优化：如何用Python实现高效自动化工程

PixelShoal的博客

12-03

999

掌握生成式 AI 的 Python 提示词工程自动化，提升AI交互效率与输出质量。本文详解提示词优化方法、自动化流程构建及在内容生成、客服机器人等场景的应用实践，助力开发者高效迭代模型响应。方法实用，效果显著，值得收藏。

AI项目能不能稳定解决问题的8大关键工程能力

打造全国最全的AI Agent开发知识领域的博客

12-15

784

当你的AI Demo惊艳全场却上线崩盘，问题从来不在模型本身。真正决定AI能否稳定落地的，是围绕模型构建的一整套工程体系——从提示词设计到上下文管理，从RAG架构到智能体调度，再到部署、优化与可观测性。本文系统拆解支撑生产级AI应用的8大核心技能，告诉你如何把“会调Prompt”的手艺，转化为可复现、可评测、可迭代的稳定系统。

Deep Learning in NLP （一）词向量和语言模型

安小飞的博客

08-14

393

这篇博客是我看了半年的论文后，自己对 Deep Learning 在 NLP 领域中应用的理解和总结，在此分享。其中必然有局限性，欢迎各种交流，随便拍。　　Deep Learning 算法已经在图像和音频领域取得了惊人的成果，但是在 NLP 领域中尚未见到如此激动人心的结果。关于这个原因，引一条我比较赞同的微博。 @王威廉：Steve Renals算了一下icassp录取文章题目中包含dee...

Deep learning 资源、NLP词向量和语言模型

Together_CZ的博客

03-24

4694

转自：http://blog.youkuaiyun.com/xceman1997/article/details/38423541 在网上总能发现一些感兴趣的东西，从前是直接转载过来，现在发现太多了，还是汇总url吧。积累，慢慢开始...... 1. 斯坦福Richard Socher在EMNLP2014发表新作：GloVe: Global Vectors for Word Representat

电子/硬件工程师手册

热门推荐

weixin_43839976的博客

01-17

1万+

硬件工程师手册目录第一章概述 3 第一节硬件开发过程简介 3 §1.1.1 硬件开发的基本过程 4 §1.1.2 硬件开发的规范化 4 第二节硬件工程师职责与基本技能 4 §1.2.1 硬件工程师职责 4 §1.2.1 硬件工程师基本素质与技术 5 第二章硬件开发规范化管理 5 第一节硬件开发流程 5 §3.1.1 硬件开发流程文件介绍 5 §3.2.2 硬...

语音信号预处理关键技术解析：9大方法提升特征提取精度（工程师必看）

语音信号预处理是语音识别、说话人识别及情感分析等智能语音系统的基础环节，旨在从原始音频中提取稳定、可分性强的特征。由于语音信号具有非平稳性、时变性和环境敏感性，直接使用原始波形建模效果较差。因此，通过...

Delta与Delta-Delta特征的物理意义：3维动态特征如何提升模型鲁棒性？

[Delta与Delta-Delta特征的物理意义：3维动态特征如何提升模型鲁棒性？](https://img-blog.csdnimg.cn/20190110103854677.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9...

Code-20251219.txt

12-19

Error loading the report template: org.xml.sax.SAXParseException; lineNumber: 2; columnNumber: 411; cvc-complex-type.3.2.2: 元素 'jasperReport' 中不允许出现属性 'uuid'。

科技传播基于AI的新闻发稿、KOL种草与短视频矩阵策略：科技企业品牌全域覆盖与效果量化实施方案

12-19

内容概要：本文为《科技类企业品牌传播白皮书》，系统阐述了新闻媒体发稿、自媒体博主种草与短视频矩阵覆盖三大核心传播策略，并结合“传声港”平台的AI工具与资源整合能力，提出适配科技企业的品牌传播解决方案。文章深入分析科技企业传播的特殊性，包括受众圈层化、技术复杂性与传播通俗性的矛盾、产品生命周期影响及2024-2025年传播新趋势，强调从“技术输出”向“价值引领”的战略升级。针对三种传播方式，分别从适用场景、操作流程、效果评估、成本效益、风险防控等方面提供详尽指南，并通过平台AI能力实现资源智能匹配、内容精准投放与全链路效果追踪，最终构建“信任—种草—曝光”三位一体的传播闭环。; 适合人群：科技类企业品牌与市场负责人、公关传播从业者、数字营销管理者及初创科技公司创始人；具备一定品牌传播基础，关注效果可量化与AI工具赋能的专业人士。; 使用场景及目标：①制定科技产品全生命周期的品牌传播策略；②优化媒体发稿、KOL合作与短视频运营的资源配置与ROI；③借助AI平台实现传播内容的精准触达、效果监测与风险控制；④提升品牌在技术可信度、用户信任与市场影响力方面的综合竞争力。; 阅读建议：建议结合传声港平台的实际工具模块（如AI选媒、达人匹配、数据驾驶舱）进行对照阅读，重点关注各阶段的标准化流程与数据指标基准，将理论策略与平台实操深度融合，推动品牌传播从经验驱动转向数据与工具双驱动。

思科拓扑图（无配置状态）

12-19

代码下载地址： https://pan.quark.cn/s/91f98a69a9fe 基于meta2d.js开发的编辑器 =============== 当前最新版本：0.0.2（发布时间：2024-04-03） AUR 源码下载或者预览前端源码：https://.com/opendidi/mind 在线预览：https://opendidi..io/mind 基于meta2d.js开源开发 meta2D开源地址文档地址：2D图元组成的可视化引擎后端服务启动 python版本要求python3.8.10 安装与使用环境要求: 前端版本要求Node 14.18+ / 16+ 版本以上建议使用pnpm否则依赖可能安装不上。 Get the project code Installation dependencies run build 前端打包打包文件路径配置点击查看项目可视化编辑页面

12-19

uniapp-APP端table列表左侧第一列固定、头部固定

12-19

uniapp-APP端table列表左侧第一列固定、头部固定

解读和使用手册立磨液压系统

12-19

先看效果： https://pan.quark.cn/s/dd509aac005f CreepRateApp 202所液压项目

【3D应力敏感度分析拓扑优化】【基于p-范数全局应力衡量的3D敏感度分析】基于伴随方法的有限元分析和p-范数应力敏感度分析（Matlab代码实现）