<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[TonLP的博客]]></title><description><![CDATA[意见挖掘，个人学习记录]]></description><link>https://blog.youkuaiyun.com/dchen1993</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; dchen1993]]></copyright><item><title><![CDATA[中心极限定理的一个例子：大小医院的新生儿]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/64123556</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/64123556</guid><author>dchen1993</author><pubDate>Mon, 20 Mar 2017 11:48:18 +0800</pubDate><description><![CDATA[一个问题在复习概率论与数理统计的时候，发现一个有趣的例子： 
两家医院，大医院每天新生儿45个，小医院新生儿15个，问一年内哪家医院男新生儿比例超过60%的天数多的可能性大？乍眼一看，直觉告诉我新生儿的自然男女比例应该固定在50%左右的某个值，两家医院的男女概率应该都是这个值，所以两家医院的可能性相同。 
答案明显没那么简单。这里想引入两个定律：伯努利大数定律设μn\mu_n是n重伯努利试验中事件A]]></description><category></category></item><item><title><![CDATA[RBM(Restricted Bolzmann Machines)原理]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/54024498</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/54024498</guid><author>dchen1993</author><pubDate>Wed, 04 Jan 2017 21:29:43 +0800</pubDate><description><![CDATA[玻尔兹曼机是一种随机网络，它基于能量模型进行建模。能量模型我们一般认为物体的能量越高越不稳定，能量越低越趋于稳定。比如说，斜坡上的一个箱子，它位于越高的位置，则拥有更高的重力势能。能量模型把箱子停在哪个位置定义为一种状态，每个状态对应着一个能量。这个能量由能量函数来定义，箱子位于某个位置(某个位置)的概率。比如箱子位于斜坡1/2高度上的概率为p，它可以用E表示成p=f(E)p=f(E)。能量概率模型]]></description><category></category></item><item><title><![CDATA[循环神经网络（一般RNN）推导]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/53885490</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/53885490</guid><author>dchen1993</author><pubDate>Mon, 26 Dec 2016 13:42:51 +0800</pubDate><description><![CDATA[本文章的例子来自于WILDMLvanillaRNN是相比于LSTMs和GRUs简单的循环神经网络，可以说是最简单的RNN。RNN结构RNN的一个特点是所有的隐层共享参数(U,V,W)(U, V, W)，整个网络只用这一套参数。RNN前向传导st=tanh(Uxt+Wst−1)s_t=tanh(Ux_t+Ws_{t-1}) 
ot=softmax(Vst)o_t=softmax(Vs_t)sts_t为]]></description><category></category></item><item><title><![CDATA[卷积神经网络反向传播推导]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/53820821</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/53820821</guid><author>dchen1993</author><pubDate>Thu, 22 Dec 2016 21:46:52 +0800</pubDate><description><![CDATA[以TensorFlow的卷积神经网络为例卷积-池-卷积-池-全连接-softmax 
前向传导C1层：卷积神经网络的输入是28×28的矩阵AA，经过F1F_1个5×5的卷积核K1i(i=1,2,...,F1)K_i^1(i=1,2,...,F_1)的卷积生成F1F_1个24×24大小的feature maps： 
C1i=conv2(A,K1i,′VALID′)+b1iC_i^1=conv2(A,]]></description><category></category></item><item><title><![CDATA[TensorFlow的卷积神经网络例子解析]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/53814795</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/53814795</guid><author>dchen1993</author><pubDate>Thu, 22 Dec 2016 15:19:41 +0800</pubDate><description><![CDATA[TensorFlow教程地址：https://www.tensorflow.org/tutorials/mnist/pros/ 
讲的是经典的机器学习问题MNIST。 
使用卷积神经网络进行训练。载入MNIST数据MNIST数据可以从这里下载from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.re]]></description><category></category></item><item><title><![CDATA[分别使用sk-learn和mllib进行文本情感分类]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/53634553</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/53634553</guid><author>dchen1993</author><pubDate>Wed, 14 Dec 2016 09:51:23 +0800</pubDate><description><![CDATA[总体思路
文本预处理
提取特征
特征选择
选择分类算法
训练和评估]]></description><category></category></item><item><title><![CDATA[神经网络推导]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/53493417</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/53493417</guid><author>dchen1993</author><pubDate>Tue, 06 Dec 2016 21:10:52 +0800</pubDate><description><![CDATA[首先介绍一个学习DL4NLP的一个网站WildML，英文的，有空我也整理一下中文版。这篇讲的是神经网络的基础，没有RNN、CNN等结构。废话少说，直接上要推导的一个简单的神经网络结构图。例子：三层神经网络这个神经网络包含一个输入层、一个隐含层和一个输出层。 
注意输出的神经元有两个（多个），这个经常用在一个二（多）分类任务上，代表着每一类的概率，相应的激活函数变成了softmax函数（相当于多分类逻]]></description><category></category></item><item><title><![CDATA[SublimeREPL配置Python运行命令，更换Python路径]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/53307263</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/53307263</guid><author>dchen1993</author><pubDate>Wed, 23 Nov 2016 16:38:42 +0800</pubDate><description><![CDATA[SublimeREPL介绍SublimeREPL是编辑器Sublime Text上的一个支持各种语言解释器的插件，可以方便我们在编辑器上编写完代码进行调试。安装方法强烈推荐使用Package Control进行插件安装。安装步骤： 
1. cmd+shift+p调出快捷命令窗口，输入install，选择Package Control:Install Package（前提是安装了Package Con]]></description><category></category></item><item><title><![CDATA[通过word embedding和关联规则改进Aspect提取效果]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/53084346</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/53084346</guid><author>dchen1993</author><pubDate>Tue, 08 Nov 2016 17:05:21 +0800</pubDate><description><![CDATA[思路来源于论文《Improving Opinion Aspect Extraction Using Semantic Similarity and Aspect Association》(Liu, Zhang et al.,2016)]]></description><category></category></item><item><title><![CDATA[LTM(Lifelong Topic Modeling)介绍]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/53047509</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/53047509</guid><author>dchen1993</author><pubDate>Sat, 05 Nov 2016 20:15:11 +0800</pubDate><description><![CDATA[LTM(Lifelong Topic Modeling)介绍论文题目是《Topic Modeling using Topics from Many Domains, Lifelong Learning and Big Data》(Chen and Liu, 2014)
  摘要：Topic modeling has been commonly used to discover topics from]]></description><category></category></item><item><title><![CDATA[LML(Lifelong Machine Learning)介绍]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/53039676</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/53039676</guid><author>dchen1993</author><pubDate>Fri, 04 Nov 2016 23:15:20 +0800</pubDate><description><![CDATA[LML(Lifelong Machine Learning)介绍最近做评论分析碰到一些瓶颈，阅读了众多论文，还是觉得刘兵老师靠谱，实用派的翘楚。于是了解了他近年来发的论文，发现了一个很新颖的词”lifelong”，而且还在KDD 2016做tutorial，题为《Lifelong Machine Learning》。何为Lifelong Machine Learning传统的ML（他们叫做ML 1.]]></description><category></category></item><item><title><![CDATA[Redis安装和远程访问]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/53019444</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/53019444</guid><author>dchen1993</author><pubDate>Thu, 03 Nov 2016 10:58:58 +0800</pubDate><description><![CDATA[Redis安装和远程访问安装下载地址： 
redis下载地址下面是官方的编译安装方法：$ wget http://download.redis.io/releases/redis-3.2.5.tar.gz
$ tar xzf redis-3.2.5.tar.gz
$ cd redis-3.2.5
$ make启动redis：$ src/redis-server利用客户端命令测试：$ src/redi]]></description><category></category></item><item><title><![CDATA[使用JSONRPC 2.0规范解决多语言RPC交互的方案]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/52993728</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/52993728</guid><author>dchen1993</author><pubDate>Tue, 01 Nov 2016 10:45:48 +0800</pubDate><description><![CDATA[使用JSONRPC 2.0规范解决多语言RPC交互的方案动机最近做的一个项目比较大，分了许多模块，但是由于不同的开源技术使用的语言不同，不同模块使用的语言可能不同，但基本上是使用Java和Python实现的。当各模块需要进行交互的时候，问题就出现了，模块不能像Jar包或者Python模块那样引入，Java有它的JVM，Python有它的解释器，单机调用只能是用native方案。但native明显与o]]></description><category></category></item><item><title><![CDATA[一个监控iPhone7p港行预约货存的脚本]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/52993701</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/52993701</guid><author>dchen1993</author><pubDate>Tue, 01 Nov 2016 10:43:36 +0800</pubDate><description><![CDATA[一个监控iPhone7p港行预约货存的脚本github地址：Apple_Monitor主要技术
Python urllib2、json库
Server酱的微信提醒功能
流程
使用chrome浏览器的开发者工具监控iphone预约页面的http包
从中找到包含iphone型号和HK专卖店的信息的http包
使用python请求这些http包
使用json分析response的内容
根据iphone型号]]></description><category></category></item><item><title><![CDATA[刘兵《Entity and aspect extraction for opinion mining 》翻译笔记]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/52993679</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/52993679</guid><author>dchen1993</author><pubDate>Tue, 01 Nov 2016 10:41:29 +0800</pubDate><description><![CDATA[刘兵《Entity and aspect extraction for opinion mining 》翻译笔记
  转载请声明出处。
这是一本书的一个章节（49页），书名叫《Data mining and knowledge discovery for big data》2014年Springer出版。Introduce介绍了一些Opinion Mining的背景，这里不说。survey book]]></description><category></category></item><item><title><![CDATA[python NLP工具 polyglot在centos 6 上安装]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/52993651</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/52993651</guid><author>dchen1993</author><pubDate>Tue, 01 Nov 2016 10:39:14 +0800</pubDate><description><![CDATA[python NLP工具 polyglot在centos 6 上安装最近要做多语言的文本处理，就去调研一下有什么好用的现成工具，最后发现了polyglot。 
这工具虽说支持多语言，但是用过发现比不是很好用，可能做多难做精。还是写一下怎么安装吧。初入坑先说说最初遇到的坑：polyglot官网上的install是在ubuntu上进行的，也很简短，相信ubuntu的童鞋也会遇到不少问题。 
我一开始使用]]></description><category></category></item><item><title><![CDATA[使用Flask快速搭建前端]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/52993572</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/52993572</guid><author>dchen1993</author><pubDate>Tue, 01 Nov 2016 10:33:38 +0800</pubDate><description><![CDATA[使用Flask快速搭建前端Flask介绍Flask是一个使用 Python 编写的轻量级 Web 应用框架。其 WSGI 工具箱采用 Werkzeug ，模板引擎则使用 Jinja2。 
Flask也被成为『微框架』。因为它使用简单的核心，用 extension 增加其他功能。Flask没有默认使用的数据库、窗体验证工具。 
它的官方地址:http://flask.pocoo.org简单的Hello]]></description><category></category></item><item><title><![CDATA[在我的Macbook Pro上安装能使用GPU加速的Theano]]></title><link>https://blog.youkuaiyun.com/dchen1993/article/details/52993529</link><guid>https://blog.youkuaiyun.com/dchen1993/article/details/52993529</guid><author>dchen1993</author><pubDate>Tue, 01 Nov 2016 10:29:43 +0800</pubDate><description><![CDATA[在我的Macbook Pro上安装能使用GPU加速的Theano目的最近深度学习的应用非常火爆，有意向要在NLP上应用深度学习的我要对各种开源的深度学习库进行探索，目前比较流行的Python语言的深度学习库有Theano、Google开源的Tensorflow、keras等。由于我日常使用的机器都是Macbook Pro，没有N卡，只有一张Intel Iris(TM) Graphics 6100（本]]></description><category></category></item></channel></rss>