- 博客(7)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 关于SVM和Kernel的物理意义
SVM是一种优化过的分类算法。和PLA的区别在于会选择“容错率”最大的hyperplane。众所周知，模型的expressive power越强，generalization的可靠性越差。SVM通过对“容错率”的考量中和了高纬度模型的风险。SVM在数学上可以看做一种加入了regulizer 的回归法。解SVM问题，可以只用标准QP solver。
2014-12-06 21:10:20
514
原创 关于evalb的使用
evalb是一个开源的软件。说是软件，其实只是一段源代码而已。目测只能在linux下使用。这个软件的作用是 计算parser生成的标注文本相对于金标准的正确率。使用的方法是：1.使用make编译源文件2.输入命令./evalb -p sample.prm 1.gld 1.tst需要调节的参数在sample.prm 中修改
2014-03-03 21:17:32
673
原创 吃货的自然语言消岐
吃货的自然语言消岐2013年11月29日20:22贝叶斯分类 贝叶斯分类是在消除歧义时使用一个长度有限的窗口，根据上下文的性质求出最大的可能性的语义是哪一个。 但是这种方法在某些较为复杂的语句分析中可能存在问题。 比如说：有一个烧烤店的广告：“烤各种烤串，涮串”这句话是什么意思呢？？这句话本身是一个错误的句子。句首的动词烤按时了后面的宾语是烧烤用的原
2013-12-09 18:35:20
496
原创 基于语料库的工作
基于语料库的工作2013年11月20日21:28 词干化：诸如sit，sits，sat这样的词是否应该被视作相同的词？？一般认为，这个想法在语义学上是有意义的。一般把这个过程成为词干化 PS：是否应该注意到seated和sit之间的不强的关联性呢？？station和stationary之间的关联性？？？非派生词之间也可能有语义上的关联。如英语
2013-12-09 18:33:30
469
原创 基于统计的语义消岐基础
基于统计的语义消岐基础 语义消岐一般包含两类问题：一是对有多次性的词的词性标注。例如：station二是在一个词性下不同语义的处理。 前一种情况通常利用邻近的结构信息。而后一种情况更多地考虑相隔距离很远的实词对语义的影响。 Supervised learning and unsupervisedlearning 伪词的制造。 算法上界和算法下界算
2013-12-09 18:28:59
443
原创 数学与信息论 基础
信息熵信息论的知识有香农开创。熵的值越大，事件的不确定性越大，能正确估计该事件的难度越高，需要的编码量越大，即信息含有的较多。 熵是信息量的量度。 在取以2为底的对数时，熵的单位是比特。H(P)=ΣP(x)log21/P(x)一个事件某种情况的概率越小，意味着情况的分类越细微，信息量越大。概率空间中的解的概率越大，意味着这种情况更能反映该事件的性质。熵是
2013-11-20 21:28:47
693
原创 人工智能（AI）概述
人工智能（AI）概述 人工智能有哲学，数学，控制科学等等方面的贡献。AI是为了让计算机实现人的某种功能，完成某种工作。 哲学在认知论上帮助人工智能。要深思的不是结局而是手段。 形式化规则=命题逻辑和一阶谓词逻辑。使用形式化逻辑不可能达成完整的人工智能。 可计算性不完备性定理的一种表示：整数的某些函数是无法用算法表示，不可计算的。 不可操
2013-11-15 17:12:38
1651
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人