Haward

假设语料库data = [("me gusta comer en la cafeteria".split(), "SPANISH"), ("Give it to me".split(), "ENGLISH"), ("No creo que sea una buena idea".split(

1.数据以某一双鞋子为例，评论结果作为标签（2分类：好评，差评）【穿了一段时间，不错，喜欢的下单吧；好评】【鞋子收到了，不是很满意。没有吊牌，一直都是还是只有我这一双是；差评】数据处理步骤：把所有评论数据集分词，去除停用词，然后构建word2index，然后表示“句子”，以“穿了一段时间，不错，喜欢的下单吧”为例子，分词后为【穿了/一段/时间/，/不错/，/喜欢/的/下单/吧】,则表示成...

1.数据比如有一条数据【x=“Simultaneous Tropical Storms are Very Rare”】.则把该句子的大写字母全部表示成小写，构建char字符集的词汇表如下（这里词汇表长度为70（69+1，即其他的不在词汇表的表示为0））：数据可以表示为x=70X1014 (高X宽，即70个特征，每个特征的长度为1014)，该矩阵初始为0，反向依次遍历【x=“simultane...

1. 前言AC自动机：Aho-Corasick automation，是一种多模式匹配算法。它是在模式树（字典树）Trie和KMP模式匹配算法的基础上进行的。其中，KMP算法是单模式串的字符匹配算法（依次遍历每个元素进行比较的朴素匹配算法+借助于next指针实现）。2. ac自动机主要包括三个过程：（1）建立字典树（2）构建字典树的每个结点的fail指针（3）查找过程比如有模式：“...

假设有语料库一共只要2篇文档：d1d_1d1​和d2d_2d2​，其中d1=(A,B,C,D,A)d_1=(A,B,C,D,A)d1​=(A,B,C,D,A)一共有5个单词组成；d2=(B,E,A,B)d_2=(B,E,A,B)d2​=(B,E,A,B)，一共有4个单词组成。1.TFTF即词频(Term Frequency)，每篇文档中关键词的频率（该文档单词/该文档单词总数），对于文档d1...

1.介绍假设词向量长度为128，隐含层神经元个数为256。LSTM中引入3个门，即输入门、遗忘门、输出门；及其他组件：候选记忆细胞、记忆细胞。2.时间t时候：各个组件（3个门+候选记忆细胞、记忆细胞）如上图所示，对于每个组件有：(1)输入门：ItI_tIt​It=σ(XtWihI+Ht−1WhhI+bihI)I_t = \sigma (X_tW_{ih}^I+H_{t-1}W_{h...