卯卯 | 炼就一手绝世刀法！
日出东海落西山，愁也一天，喜也一天。遇事不钻牛角尖，人也舒坦，心也舒坦！
2019-02-09 19:49:10
特定领域命名实体识别词典的准备
第一步：写好命名实体个标注的文档。第二步：从医疗网站上爬取相关信息，制作成上述文档约束的词典，留着备用。词典里的数据也可以是从教课书里某些地方确定是什么类型标注的。生成的词典可能还有少部分是错误的需要人大概的去检查看一下。
作者:yangli | 分类:自然语言处理 | 浏览:1060 | 评论:0
2019-02-09 17:58:23
医学命名实体识别的难点
1、如何生成深度学习可用的标签数据——给大两的医疗文本打上实体类别的标签。（程序自动化打标签，分词技术）2、传统的基于规则和机器学习算法的实体识别准确率不高，如何提升。3、部分医疗实体名字特别长，如何获取更长的上下文依赖，让识别准确率更高。用膨胀的卷积神经网络4、类别不均衡，有些类别的词特别少，有些很多。有些词就是很少的，例如，一些修饰词就很少。5、未登录词如何处理。（药品的名字千千万，未必都收集齐了。）
作者:yangli | 分类:自然语言处理 | 浏览:932 | 评论:0
2019-02-07 11:42:04
CBOW(continuous bag of words)原理
但是对于大量的文本来说，分出来的词：这个颗哈夫曼树叶是非常大，复杂度也很高。现在优化：才用负采样的方法。
作者:yangli | 分类:自然语言处理 | 浏览:1338 | 评论:0
2019-02-04 11:53:11
py2neo版本V3和V4的下载问题
https://blog.csdn.net/HHTNAN/article/details/81739196
作者:yangli | 分类:未分类 | 浏览:825 | 评论:0
2019-01-26 10:32:43
python版本切换
参考链接：https://jingyan.baidu.com/album/22a299b5e6e4909e18376a4b.html?picindex=1
作者:yangli | 分类:未分类 | 浏览:925 | 评论:0
2019-01-21 22:03:46
N-gram语言模型（基于词频统计）和word2vec（基于上下文信息）训练出来的词向量模型有什么优缺点？？？
为什么要用神经网络来训练词向量，而不是用N-gram：神经网络训练出来的模型：1，能发现近似的含义的词。2，求解出来空间是符合我们真实逻辑的。
作者:yangli | 分类:自然语言处理 | 浏览:920 | 评论:0
2019-01-21 21:18:05
gensim训练word2vec并使用PCA实现二维可视化
结果：代码：# -*- coding: utf-8 -*-from gensim.models import Word2Vecfrom sklearn.decomposition import PCAfrom matplotlib import pyplot# 训练的语料sentences = [['this', 'is', 'the', 'first', 'sentence', 'for',
作者:yangli | 分类:自然语言处理 | 浏览:1323 | 评论:0
2019-01-21 11:23:29
自然语言模型的评估——准确率，召回率，综合评价指标F值
1，准确率是相对于机器的标准效率来说，机器标准正确的和错误的比：2，召回率是相对于监督的数据而言，原始数据正确的被标注的和没有正确被标注的；3，F值是综合评价指标：2×准确率×召回率/(准确率+召回率)
作者:yangli | 分类:自然语言处理 | 浏览:997 | 评论:0
- 控制面板
- 网站分类
- 搜索
- 文章归档
-
- 2023年4月 (1)
- 2022年12月 (6)
- 2022年11月 (2)
- 2022年10月 (4)
- 2022年9月 (1)
- 2022年8月 (1)
- 2022年7月 (2)
- 2022年4月 (1)
- 2022年3月 (4)
- 2021年5月 (1)
- 2021年3月 (1)
- 2020年10月 (1)
- 2020年9月 (11)
- 2020年8月 (1)
- 2020年7月 (2)
- 2020年5月 (4)
- 2020年4月 (1)
- 2020年2月 (1)
- 2020年1月 (1)
- 2019年11月 (2)
- 2019年10月 (3)
- 2019年9月 (5)
- 2019年8月 (19)
- 2019年7月 (6)
- 2019年6月 (8)
- 2019年5月 (10)
- 2019年4月 (16)
- 2019年3月 (37)
- 2019年2月 (24)
- 2019年1月 (11)
- 2018年12月 (3)
- 2018年11月 (3)
- 2018年10月 (7)
- 2018年9月 (8)
- 2018年8月 (41)
- 2018年7月 (29)
- 2018年6月 (14)
- 2018年5月 (16)
