墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
100+累计阅读
84平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
显示语料库语义。
输入
输出
语义查看器用于查看语料库的语义。该组件接收输入的单词，并查找包含这些单词的文档或文档片段。
阈值设置 (Filtering)
设置文本片段着色所需的最小阈值。该阈值基于句子级别的评分（句子与输入关键词的SBERT嵌入向量的最大余弦相似度）。仅分数高于阈值的句子会被着色标记。
显示模式 (Display Mode)
可选择显示：
使用Orange3中文版 进行 数据挖掘 机器学习
新版Orange3，全中文界面，简单易上手，通过托拉拽即可完成相关的设置，适合新手，欢迎交流学习 维新：mytooop 口Q 726008 交流群：681586766。3、 如果我们想要以表格的方式预览数据，可以双击或者拖动“数据表”，然后鼠标左键点“文件”组件右边的弧线拖到“数据表”右边的弧线，并建立了数据连接。2、点击左边数据栏，拖到“文件“组件到控制台，然后双击，弹出对话框，选择数据源文件，对话框会呈现文件的相关信息。5、也可以点击可视化分类里的散点图进行数据可视化，使其连接到“数据表”
Orange3实战教程：文本挖掘---语料库
本文介绍了语料库组件的功能与操作方式。语料库组件支持从文件加载或通过输入数据生成语料库，兼容多种文件格式（如Excel、CSV、TAB）。组件提供两种工作模式：无输入数据时从文件读取语料库，有输入数据时将数据转换为语料库。用户可通过界面浏览文件、选择文本特征、调整显示顺序等。示例展示了基础用法（连接语料库查看器）和进阶操作（通过预处理生成词云），帮助用户快速上手文本分析任务。
Orange3实战教程：文本挖掘---语料查看器
语料查看器是一款用于浏览和分析文本语料库的工具。它可以显示文档集合的基本统计信息，包括文档数量、预处理状态、词性标注情况等。该工具支持正则表达式过滤功能，用户可以根据关键词筛选文档，并选择需要显示的字段。主要特点包括：显示预处理后的词元和词性标签、多字段搜索选项、自动或手动提交查询等。典型应用场景包括查看预处理后的文本数据、按关键词筛选文档，以及进行后续分析。示例展示了如何使用该工具查看包含特定角色名称的文档。
Orange3 实战教程 目录
Orange3 是一款以 可视化编程 为核心的数据挖掘和机器学习工具，其界面设计直观且模块化，用户通过拖放组件（Widgets）构建数据分析流程。通过平台上的工作流，自己训练和评估模型。
Orange3实战教程：文本挖掘---情感分析
本文介绍了情感分析工具的功能和应用。该工具采用多种基于词典的方法（Liu & Hu、Vader、多语言情感词典、SentiArt、LiLaH情感词典）分析文本情感倾向，支持包括英语、中文等在内的40多种语言。文章展示了使用案例：分析2016年美国大选推文的情感倾向，通过数据处理流程（采样、聚类、可视化）识别负面推文。各方法计算方式不同，如Liu Hu通过正负面词差值归一化得出百分比情感得分，Vader则提供复合情感评分。工具还支持用户上传自定义词典进行个性化分析。文末附有相关研究文献和完整支持语言列
Orange3实战教程：文本挖掘---主题建模
主题建模通过LDA、LSI或HDP算法分析文档集合，自动发现隐含主题结构。组件输入为文档语料库，输出包括带主题权重的语料库、主题词分布及完整主题数据。不同算法特性各异：LSI允许正负权重但解释性较弱，LDA更易解释，HDP参数复杂需谨慎设置。结果可结合词云、热力图等可视化工具分析主题特征及分布。示例显示如何通过预处理文本、选择算法（如提取5个LDA主题），并利用MDS和箱线图探索主题间关系及关键词分布。
Orange3实战教程：文本挖掘---文本预处理
本文介绍了文本预处理的流程和方法。预处理主要包括转换（如小写化）、分词（如按单词或句子拆分）、归一化（如词干提取）、过滤（如停用词去除）、N-gram生成和词性标注等步骤。文章详细说明了每个处理模块的功能选项，包括7种分词方式、5种归一化方法以及多种过滤规则（停用词、词频、正则表达式等）。同时强调了处理顺序的重要性，建议流程应为：转换→分词→词性标注→归一化→过滤→N-gram。最后提供了两个应用示例：图书摘要的词云分析和推文预处理，展示了预处理工具的实际使用场景。文末还附有常用正则表达式参考。
Orange3实战教程：文本挖掘---标注语料库地图
Oreange3，文本挖掘，标注语料库地图用于在二维投影中可视化、聚类文档，并用关键词进行标注。
Orange3实战教程：文本挖掘---本体
本体使用遗传算法生成。算法中使用的**适应度函数 (fitness function)** 通过考虑本体中每个词语与其父节点和兄弟节点之间的两两**余弦相似度 (cosine similarities)** 来确定生成本体的质量。更具体地说，该相似度是基于所述词语的 **SBERT 嵌入 (SBERT embeddings)** 计算得出的。适应度函数还考虑了每个词语的平均子节点数量（以避免本体结构过于扁平或过于深）以及词语与其子节点之间的句法重叠度和各自的长度（此项旨在促使更通用的词语位于较不通用词语的上
Orange3实战教程：文本挖掘---《推特》
Orange3推特组件支持通过Twitter API查询推文。您可以按内容、作者或两者组合进行查询，并且如果需要创建更大的数据集，可以累积结果。该微件仅支持REST API，并且最多允许查询过去两周内的推文。
Orange3实战教程：文本挖掘---提取关键词
本文介绍了关键词提取的方法与应用。首先概述了从语料库中提取特征词的基本流程，包括输入参数（文档集合和单词表）与输出结果。重点阐述了四种关键词评分方法：TF-IDF（基于词频和逆文档频率）、YAKE!（先进的无监督方法）、Rake（基于停用词的无监督方法）以及基于SBERT词向量余弦距离的嵌入方法。通过book-excerpts语料库示例，展示了预处理（分词、词形还原等）后使用TF-IDF提取关键词的过程，并说明结果可应用于单词列表编辑或后续分析组件。最后引用了Campos等人和Rose等人的相关研究文献。
Orange3实战教程：文本挖掘---导入文档
本文介绍了如何从本地文件夹导入文本文档以创建语料库，支持多种文件格式如 .txt、.docx、.pdf 等。导入过程中，无法读取的文件会被跳过，而成功导入的文件将构成语料库。特别地，自 Text 1.5.0 版本起，Orange 支持处理 .conllu 文件，将其中的词元、词性标签和命名实体作为标记添加到语料库。操作步骤包括选择文件夹、加载数据，并可通过「语料库查看器」查看内容。示例展示了如何通过子文件夹对文档进行分类，子文件夹名称将作为类别标签。
Orange3实战教程：文本挖掘---创建语料库
“创建语料库”是一个便捷的工具，用于生成和管理文档样本。用户可以通过手动输入或从剪贴板粘贴内容来创建语料库，适用于教育或文档预测场景。工具界面支持添加新文档、删除文档以及输入文档内容，操作简单直观。示例展示了如何输入三个新文档并通过“语料库查看器”显示它们，帮助用户快速构建和查看语料库。
Orange3实战教程：文本挖掘---统计
摘要：统计工具用于为语料库文档添加各类统计特征，包括词数、字符数、N-gram数量、标点符号数等基础指标，以及词性标注、正则匹配等高级功能。用户可通过交互界面灵活添加/移除特征，输出结果可应用于数据分析或增强词袋模型。部分功能需依赖预处理文本生成的词性标注信息。该工具支持自定义统计变量，为文本挖掘提供基础特征构造能力。
orange3文本：Orange Orange3的文本挖掘附加组件
Orange3文字 Orange3 Text扩展了 （数据挖掘软件包），具有文本挖掘的常用功能。 它提供对公开可用数据的访问，例如《纽约时报》，Twitter，Wikipedia和PubMed。 此外，它还提供了用于预处理，构造向量空间（如单词袋，主题建模和相似性哈希）的工具以及可视化（如单词云末部地理地图）的工具。 所有功能都可以与Orange数据挖掘框架中强大的数据挖掘技术结合使用。 请注意，文本加载项在32位Windows系统上不起作用。 该加载项取决于conda-forge，他们已于2018年4月。 Anaconda安装 安装Orange3-Text的最简单方法是使用Anacond
第四届“网鼎杯”网络安全大赛 - 青龙组
第四届“网鼎杯”网络安全大赛 - 青龙组
【科研】Michaelis–Menten 曲线（米氏曲线）中反应速率的计算
Michaelis–Menten 曲线 米氏曲线 纵坐标 反应速率求值 朗伯比尔定律
机器学习【学校智慧食堂及其应用】
本文主要介绍机器学习【智慧食堂及其应用】
RV1126 ISP调参实战：3A算法参数调节的7个技巧
││ │ DEMOSAIC (去马赛克） │ ││ │ GAMMA (Gamma 校正） │ ││ │ DPC (坏点校正） │ ││。
【网络与爬虫 53】Scrapy-Prometheus实战指南：打造企业级爬虫监控体系的终极解决方案
本文深入探讨Scrapy-Prometheus集成技术，通过费曼学习法从监控痛点出发，详细讲解如何在Scrapy爬虫中集成Prometheus指标收集系统。涵盖从基础配置到企业级监控体系的完整实战指南，帮助开发者构建可观测性强、可维护性高的分布式爬虫监控平台，实现爬虫性能的精准监控和智能告警。
wflow模型hbv
毛管水的处理 😄 快速流的处理 K4是为了产生基流的 找到了令人激动的kenematic模块 😄
Jetson agx Orin 适配Xenomai4
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。
Python爬虫实战：利用Selenium与反反爬技术高效爬取企查查工商信息
本文将详细介绍如何使用Python最新爬虫技术（包括Selenium、Playwright、智能代理池等）爬取企查查工商信息数据。文章包含完整的代码实现、反反爬策略、数据解析与存储方案，以及法律合规性讨论，共计约8000字。企查查作为国内领先的企业信息查询平台，收录了超过2亿家企业的工商信息、司法信息、知识产权等数据。这些数据对于市场分析、商业决策等具有重要价值。法律边界提示禁止大规模爬取导致服务器过载不得绕过付费接口获取数据数据使用需遵守《个人信息保护法》商业用途需获得授权。
怀旧版电脑GBC模拟器
再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。
ssm框架搭建
这个是一个在idea上成功跑起来的ssm框架项目，保存在这里方便以后使用直接下载
LinePhone3.2.7(android端最新版本) sip客户端
SIP客户端For android：LinePhone3.2.7(最新版本)，官网地址：http://www.linphone.org/
廖雪峰Python教程[完整版]
廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
超级会员免费看
订阅专栏 解锁全文
1万+
扫一扫
