逆风笑的博客

npsubj — 被动型主语（nominal passive subject），专指由“被”引导的被动句中的主语，一般是谓词语义上的受事 （称作，镍）ccomp — 从句补语，一般由两个动词构成，中心语引导后一个动词所在的从句(IP) （出现，纳入）assmod — 关联修饰（associative modifier），NP|QP （教训，特区）cop: copula。cpm — 补语化成分（complementizer），一般指“的”引导的CP （振兴，的）

端到端是：输入->模型->输出。端到端意味着，模型的输入是原始的数据，模型的输出是我们想要的结果。端到端不太Care模型的具体处理过程，更在乎的是输入和输出结果。pipeline是输入->模型A->输出A->模型B->输出B->…不同于端到端，pipeline可以看作是一个流水线工作，后一个模型的输入依赖于前一个模型的输出结果。序列到序列一种通用的端到端序列学习方法，它基于编码-解码（Encoder - Decoder）的架构。序列到序列是：输入是序列->模型->输出是序列。端到端（end-to-end）

参考了https://blog.youkuaiyun.com/chase1998/article/details/83247192把概率的相乘转为负对数的相加。词典的txt：https://pan.baidu.com/s/1ARx3-fetzOmrw2c8mVAK8w提取码：hts4import mathdef load_dict(): """ 加载字典 :return:返回字典==>"词:频率" """ dic_file = open("WordFr

自然语言处理中EM算法抛硬币的实现：import numpyimport mathdef em_single(theta,O):#对于当前的模型求对应的期望值(估算步骤)# 三个值分别为选择硬币c1的概率、抛c1硬币为正面的概率、抛c2硬币为正面的概率。 pi=theta[0] h1=theta[1] h2=theta[2] new_pi=0 new_h1=0 new_h2=0 PB=[] head=[] for o in