与NLP在语义上相似的聚类
是文本聚类。文本聚类是一种将文本数据根据其语义相似性进行分组的技术。它通过计算文本之间的相似度或距离，将相似的文本归为同一类别，从而实现对大规模文本数据的自动分类和组织。
文本聚类的分类方法主要有层次聚类和划分聚类两种。层次聚类将文本数据逐步合并形成聚类树状结构，而划分聚类则将文本数据划分为不相交的聚类簇。常用的文本聚类算法包括K-means、层次聚类、DBSCAN等。
文本聚类在许多领域都有广泛的应用。例如，在信息检索中，可以利用文本聚类对搜索结果进行组织和过滤，提高搜索效果。在社交媒体分析中，可以通过文本聚类对大量用户生成的文本进行主题分析和用户行为分析。在舆情监测中，可以利用文本聚类对大量新闻、评论等文本进行分类和情感分析。
腾讯云提供了一系列与文本聚类相关的产品和服务。其中，腾讯云自然语言处理（NLP）服务可以用于文本聚类任务。通过调用腾讯云NLP API，可以实现文本的语义相似度计算、关键词提取、情感分析等功能，从而辅助文本聚类的实现。
腾讯云自然语言处理（NLP）服务介绍：https://cloud.tencent.com/product/nlp
相关·内容
2回答
我有很多推文，我想根据它们的相似性进行分类。不幸的是，我不太熟悉文本分类和nlp，所以我必须阅读大量的文件，然后才有一个主题的想法。我的推特没有标签，所以我不能对它们进行分类:只是手动的，但这会很费时。我想按主题对它们进行分组，所以我首先考虑了LDA的主题分类，然后考虑了k-均值聚类。这是一个很好的做法吗？有哪些不同之处，以及如何检验分类的准确性？
浏览 0提问于2020-06-22得票数 0
回答已采纳
1回答
新手问题:消息的实时聚类
、、、、
我是NLP的新手，所以请接受我的道歉，如果这是一个明显的问题，是一个错误的地方问它，或任何其他的错误，我可能作出的。
我正在考虑在实时聊天中使用NLP进行实时垃圾邮件检测的一些子集。一般的想法是观察实时形成的语义簇，因为它们可以指示一波垃圾邮件的激活。这本身并不足以说明它是垃圾邮件，但我怀疑这将是过程中的一个有趣的数据点。
更具体而言：
我的系统实时接收短信(例如每秒数千到数万条)；
我想对它们进行分类，看看是否会出现语义簇；
我需要定期清理数据(例如，删除所有超过一个小时的数据)，以避免保留潜在的私有数据；
出于隐私原因，我不能依赖外部服务，因此无论发生什么，我都需要编写代码。我没意见。
我
浏览 0提问于2022-10-03得票数 2
我必须手动浏览一长串术语(~3500)，这些术语是用户多年来输入的。除了其他的事情，我想减少名单，寻找同义词，打字和交替拼写。
如果我能够在开始之前将列表分组为一组可能的排版，我的工作就会容易得多。我设想使用某种度量来计算一个术语的相似性，例如百分比，然后将所有相似度高于某个阈值的事物聚在一起。不管怎么说，由于我正在手动进行，我不介意一个高的故障率，如果它可以保持整个事情简单。
理想情况下，有一些容易获得的库为我做这件事，由那些知道他们在做什么的人来实现。如果没有，那么至少有一个计算一对字符串的相似性度量是很好的，我可以自己管理集群。
如果这也是不可用的，你知道有一个好的算法是简单的实现吗？我
浏览 0提问于2013-11-07得票数 1
回答已采纳
1回答
我想比较两种方法：局部性散列和文档嵌入，以获得两个文档之间的相似性。这两种方法都将文档的信息编码在一个向量中，我想用它在一个非常大的语料库(可能超过10万份文档)中找到类似的文档。有没有人比较过这两种方法以及它们各自的优点。
提前欢呼
浏览 0提问于2019-09-26得票数 2
回答已采纳
1回答
在斯坦福NER软件附带的一个示例.prop文件中，有两个我不理解的选项：
useDistSim = true
distSimLexicon = /u/nlp/data/pos_tags_are_useless/egw4-reut.512.clusters
有没有人知道DistSim代表什么，我在哪里可以找到更多关于如何使用这些选项的文档？
更新:我刚刚发现DistSim的意思是分布式相似性。我仍然想知道在这种情况下这意味着什么。
浏览 2提问于2013-07-18得票数 4
回答已采纳
1回答
关键词建议算法
、、、
我一直在做一个项目，要求我根据产品的描述给出关键词/关键词建议。
我目前所拥有的:产品描述，产品类别(五月或不在场)。
我想要的是:基于描述的机器生成的关键字/关键字。
我所做的研究：(基于NLP的方法)这个问题可以分为两种不同的方法。
不使用过去的数据:只是总结当前的描述
方法：-托槽、堵塞、止字去除等(预处理)
浅层NLP (选区解析)，只保留NP & JJ短语。
这将是一种不使用数据库中描述的方法。
我所寻找的是一种更好的方法，它使用ML算法，也使用我过去的产品描述数据。
我正在考虑在整个数据集上应用浅层解析，然后给出在超过N个产品中遇到的关键字。
什么样的算
浏览 3提问于2016-07-20得票数 0
3回答
我目前正在做NLP项目，文本摘要，是否可以通过检查相似的beetwen句子来总结文本？如果可能，如何实现？或者干嘛不呢？
谢谢
浏览 1提问于2017-09-01得票数 0
1回答
基于情感的文本数据聚类？
、、、、
我从Amazon上摘除评论，目的是进行情感分析，将其分为正向、负面和中性。现在我得到的数据将是文本和未标记的。
我处理这个问题的方法如下：
1.)使用DBScan、HDBScan或KMeans等聚类算法对数据进行标记。集群的数目显然是3。
2.)对标签数据进行分类算法的训练。
现在，我从未对文本数据执行过聚类，但我熟悉聚类的基本知识。所以我的问题是：
1.我的方法正确吗？
2.对于基于文本的集群，我可以遵循任何文章/博客/教程，因为我对此还有点陌生吗？
PS:我对NLP和分簇都很熟悉，但是我从来没有对文本数据执行过聚类。
浏览 0提问于2021-12-25得票数 1
回答已采纳
1回答
我有一个用例，在这个用例中，审批者在批准某些贷款时输入了文本数据。
对于使用NLP批准的理由，我必须作出一些推论。我该怎么做呢？
这是一种非英语语言。文本聚类有帮助吗？？是否可以使用python库对非英语语言的文本进行聚类？
浏览 0提问于2020-08-19得票数 0
1回答
聚类小文本描述
、、、、
Im提出了一个独特的文本分类问题。
我给出了一个描述清单，每个描述包含3-8个单词。我知道有些描述几乎是一样的，但其中大多数都有很大的不同。我的目标是对大致相同的描述进行分组，并认为其余的描述是独特的。这种数据集可能会被认为太长，无法手动标记，以便进行有监督的学习。
到目前为止，我的思维过程：
TF-国防军将派上用场，因为匹配词的频率极低(因此任何匹配都是非常有价值的)。
非监督聚类技术(如K均值)可能很有用，但在这个空间中存在着继承的K均值选择问题。例如，如果我们有1,000种描述，而只有10种描述(5组2种描述)应该彼此聚在一起(留下9,990种独特的描述)，那么我们需要9,995个集群来
浏览 0提问于2019-11-20得票数 1
1回答
我在一个文本语料库上执行了硬聚类(使用tf-idf权重)，并获得了~= 200聚类。如果我想获取每个集群的topic，我该怎么做？ 我已经尝试在原始文本语料库(预聚类)上使用LDA，并获得了许多主题，但是我不确定如何将这些主题映射到我现有的每个聚类上。有没有其他方法可以推荐LDA，或者LDA是正确的方法，我该如何继续呢？ 在线材料只展示了如何将lda主题映射到文档句子上，而不是预先存在的聚类。如果我这样做，并根据它们分配的主题对这些句子进行分割，我将得到与原始聚类不同的结果(这并不理想)。 感谢您的帮助提前，如果有任何概念上的错误，请原谅，因为我是相当新的NLP。
浏览 38提问于2019-12-16得票数 1
回答已采纳
我想在编程语言源代码(例如Python)的语料库上预先形成一个机器学习任务(例如，监督分类、聚类)，我正在寻找工具，用于从Python (例如)代码文档中解析和构造结构，在概念上类似于NLP标记化和高级语言处理，并根据编程语言进行调整。
虽然我能够找到很多与NLP相关的通用材料，但在我看来，一个更好的起点是以前专门针对编程语言的研究。
我正在寻找工具，资源，学术文章和关键字来搜索，基本上任何帮助都是值得赞赏的！
浏览 0提问于2017-01-29得票数 3
2回答
假设你有很多文本句子，它们可能有(或没有)相似之处。现在，您希望对相似的句子进行聚类，以找到每个聚类的质心。哪种方法是进行这种聚类的首选方法？带有TF-IDF的K-means听起来很有希望。然而，有没有更复杂的算法或更好的算法？数据结构是标记化的，并且采用一次热编码格式。
浏览 16提问于2020-01-03得票数 0
回答已采纳
1回答
我有一个为NLP分类器设计的多维向量。
下面是数据帧(text_df)：
我使用TfidfVectorizer来创建向量：
from sklearn.feature_extraction.text import TfidfVectorizer
tfidf_v = TfidfVectorizer(max_df=0.5,
max_features=13000,
min_df=5,
stop_words='english
浏览 14提问于2018-08-29得票数 0
2回答
我希望使用Word2Vec对文档进行聚类，并按主题对它们进行分类。然而，我似乎需要一个重要的数据集[1](https://datascience.stackexchange.com/questions/9722/applying-word2vec-on-small-text-files)，[2]来完成这样的任务。
我有成千上万(而不是数百万)文档的数据集，其中我的总字数在几万甚至几十万的较低的地方。
还有另一种ML方法可以让我实现我的目标吗？
我看到多么使用TF/IDF从语料库生成单词和短语，但输出的结果是一个平面上常见单词和短语的列表：
📷
我要寻找的是更多类似于空间中的高水平矢量集群的东西
浏览 0提问于2017-06-02得票数 5
回答已采纳
2回答
聚类树结构数据
、、、
假设数据以半结构化的格式作为树提供给我们。例如，树可以形成为有效的XML文档或有效的JSON文档。你可以想象它是一个类似lisp的S-表达式，或者是Haskell或Ocaml中的(G)代数数据类型。
我们在树结构中得到了大量的“文档”。我们的目标是对类似的文档进行聚类。通过聚类，我们意味着将文档划分为j组的一种方法，这样每个文档中的元素看起来都是彼此相似的。
我确信有一些论文描述了方法，但是由于我在人工智能/聚类/机器学习领域并不是很熟悉，我想问一个人，谁是寻找什么，在哪里挖掘。
我目前的做法如下：
我想把每个文档转换成为K均值聚类而设置的N维向量。
为此，我递归地遍历文档树，并为每个
浏览 4提问于2010-12-12得票数 17
回答已采纳
1回答
我正在试验的数据集的形式是一个表的形式，列有userid和itemid。如果有给定用户和给定项的行，这意味着用户访问该项(类似于在线商店)。我试图根据这些数据对类似的项目进行聚类。如果经常一起访问一对项，那么这些项是相似的。
因为这是一个高维的例子(用户和条目的#将在10,000‘S中)，我认为我有理由尝试使用SVD作为聚类前步骤，然后进行一些经典的聚类。当我尝试这样做时，与简单的分层聚类相比，我得到了糟糕的聚类结果。不太相似的东西被放在一个维度中，而可用的维度却没有被使用。结果并不是完全随机的，但它们肯定比分层聚类的输出更糟糕。我用Mahaut和Octave尝试了SVD步骤，结果相似。对于分
浏览 0提问于2014-10-02得票数 4
1回答
基于模式的聚类URL
、、、、
我是新的集群技术，我高度重视任何输入，您可以为我的问题提供如下。基本上，我想根据它们的结构模式对URL进行聚类。例如
cluster1 -简单URL https://domain/path/file
cluster2 -缩短的URL
cluster3 -重定向URL
……
集群k-新的URL模式
给定一个URL数据集，我想了解有多少不同的URL模式集群存在，然后直观地看到差异。
我在现有方法中看到的是对域进行聚类(将同一个网站的URL聚在一起)。这不是我所期望的。当我尝试基于nlp (基于单词的)相似性聚类时，这是发生在相同网站的URL往往有相同的词，没有什么差别。
相反，我想关注URL结构并
浏览 0提问于2022-12-29得票数 0
2回答
比较文档-文档相似度
、、、、
我目前正在进行NLP/IR中的一个java项目，并且对此相当陌生。该项目由大约1000个文档组成，其中每个文档大约有100个单词，结构为具有词频的词袋。我想根据文档(从集合中)找到类似的文档。
使用TF-IDF，为查询(给定文档)和集合中的所有其他文档计算tf-idf，然后将这些值作为具有余弦相似度的向量进行比较。这能让我们对它们的相似性有一些了解吗？或者，由于大查询(文档)，这是否不合理？有没有其他相似性度量可以更好地发挥作用？
谢谢你的帮助
浏览 2提问于2015-04-24得票数 0
1回答
我正在研究mahout中的K-means算法，在调试时，我注意到在创建第一个集群时，它执行以下代码：
ClusteringPolicy policy = new KMeansClusteringPolicy(convergenceDelta);
ClusterClassifier prior = new ClusterClassifier(clusters, policy);
prior.writeToSeqFiles(priorClustersPath);
我在读这些课程的描述，但我不清楚.
我想知道这些聚类分类器和策略的含义是什么？它与层次聚类、质心聚类、分布聚类等有关吗？
因为我不知道
浏览 1提问于2014-03-25得票数 0
回答已采纳
1回答
基于索引的文本聚类
、、、、
目前，我正在开发一个项目，对两百万个文本备忘录进行聚类。我的目标是为这些备忘录创建一个标准(实际上，当我说备忘录时，我指的是包含对某事的描述的文本)。为此，我希望首先对相似的备忘录进行聚类(收集那些可能具有相同含义的备忘录)，然后为每个聚类或组创建一个标签。
由于我是NLP的新手，我想知道如何继续进行NLP，以及以前做过的一些参考资料和类似的项目是什么？
我打赌这是NLP中的一个经典问题，关于这个主题已经做了很多项目。
我可以使用R和Python
浏览 4提问于2018-03-23得票数 0
4回答
嗨，这是我在数据科学栈中的第一个问题。我想要创建一个文本分类算法。假设我有大量的文本和文章。让我们说大约5000条明文。我首先使用一个简单的函数来确定所有四个及以上字符单词的频率。然后，我将此作为每个培训样本的特征。现在，我希望我的算法能够根据它们的特点对训练集进行聚类，这里是文章中每个单词的频率。(请注意，在本例中，每篇文章都有其独特的特性，因为每篇文章都有不同的特性，例如一篇文章有10“水和23”“纯”，另一篇有8“政治”和14“杠杆”)。你能为这个例子提出最好的聚类算法吗？
浏览 0提问于2014-11-23得票数 11
回答已采纳
我有一个输入图像，如下所示，并希望将部分分割成区域。我也希望分割的部分不只是像素，这有助于坚实的颜色，而且边缘抗混叠之间的边缘区域和下一个区域。
是否存在以这种方式分割图像的任何过滤器或方法？重要的是，最终结果分割部分必须包含边缘抗混叠与下一个区域之间。正确的解决方案用黄色表示。
在这两幅图像中，我将像素放大为大像素，这样可以清晰地看到区域边缘之间的边缘抗混叠。
给出了我想要的黄色区域的一个示例输出。
有关“边缘抗混叠”的定义，请参阅。
浏览 2提问于2016-06-11得票数 5
回答已采纳
1回答
我是NLP的新手。我只有100行文本句子(数据格式中的100行)，每个句子的平均单词长度为10。我想知道什么有趣的洞察力(简单描述高级)可以得到使用NLP技术。我不打算预测任何东西，只想分析并得到一些有趣的见解。
我已经想到了下面的项目，可以用我拥有的样本数据来完成。
计算一个句子中每个单词出现的次数，最后在我的句子列表中找出最常用的(顶部)单词和使用最少的(底部)单词。
使用NER查找每个句子中的实体。在我所拥有的句子中，哪个实体被讨论得最多？
使用文本相似性度量方法找出哪些句子相似。
我能辨认出这句话的感情
LDA能否用来识别句子的主题(平均有10个单词)，而我的数据集本身只有100个句子
浏览 0提问于2021-07-02得票数 1
回答已采纳
数据分类(使用专用的基于距离的方法)与数据聚类(有特定的定义方法，如k-means)有什么不同和相似之处？
数据分类是数据聚类的一个子主题吗？
浏览 0提问于2020-12-27得票数 5
回答已采纳
以下是我的任务:我有我不太了解的数据。最后的任务是建立一个分类器，将样本分类为几个类别。有些分类非常清楚，我们可以很容易地将它们用作分类器的标签。但我想可能有更多有用的类别，因为现在我的大多数样本都不属于任何类别。由于我不是在特定领域的专家，我想使用一些聚类算法来显示可能的标签想法。当使用传统的聚类算法时，它们会在我不感兴趣的数据中找到各种模式。
因此，我正在寻找一种告诉算法的方法：“嘿，在我的数据中找到一些集群，但是请考虑到现有的集群(或标签数据)。”这应该告诉聚类算法我感兴趣的是什么，什么不感兴趣。
会做这样的事情吗？或者其他如何解决寻找附加标签的问题？
顺便说一句:就我而言，我在做NLP
浏览 0提问于2020-10-30得票数 3
2回答
我正在开发一个sql server2008DB和asp.net mvc电子商务应用程序。
我有不同的用户向DB提供他们的产品，我想比较具有相似名称的产品的价格。我知道字符串匹配是特定于领域的，但我仍然需要最好的通用解决方案。
对搜索结果进行分组的最有效方法是什么？我应该使用Levenshtien距离算法递归地比较每条记录吗？我应该在数据库中完成，还是在代码中完成？有没有办法为这项任务实时实现SSIS模糊分组？有没有一种使用Sql server2008免费文本搜索的有效方法？
编辑1:网络图分析怎么样？如果我将使用Levenshtien距离算法定义一个矩阵，我可以使用聚类算法(例如: claus
浏览 0提问于2012-03-29得票数 5
回答已采纳
2回答
如何在评论数据上应用数据绑定？
、、、、
我需要在一组评论上应用数据绑定，我已经搜索了一些用于评论和长文本的数据绑定方法，除了分类之外找不到其他任何东西。NLP或分类是存放长文数据的唯一方法吗？
浏览 0提问于2019-12-05得票数 0
回答已采纳
我有一个包含A列的数据帧，如下所示：
Column A
Carrefour supermarket
Carrefour hypermarket
Carrefour
carrefour
Carrfour downtown
Carrfor market
Lulu
Lulu Hyper
Lulu dxb
lulu airport
k.m trading
KM Trading
KM trade
K.M. Trading
KM.Trading
我想在下面的“A栏”推导出：
Column A
Carrefour
Carrefour
Carrefour
Carrefour
Carrefour
Carref
浏览 0提问于2019-05-08得票数 12
2回答
如何对相似类别进行分组？
、、、、
我有大约1200个电视节目类别..像戏剧，新闻，体育，体育-非事件，戏剧医疗，戏剧犯罪..等 我如何使用NLP，以便我得到的组，如戏剧，戏剧医疗和戏剧犯罪组在一起，体育，体育-非事件等组在一起，等等…基本上，最终目标是将1200个类别减少到很少的几个大类别。 到目前为止，我已经用词袋构建了一本有146个单词的词典。
浏览 23提问于2019-05-09得票数 1
1回答
在时间序列数据挖掘的背景下，我读过关于时间序列分割和时间序列聚类的文章，但是我无法区分两者。如果它们是不同的，这些方法如何相互关联？
根据我的理解(如果我错了，请纠正我)，分割被认为是聚类阶段的预处理步骤。我的意思是，分段步骤主要用于将时间序列数据划分为分段，例如，将其划分为状态。在此基础上，采用传统的聚类算法对这些片段进行聚类(相似段属于同一簇)。
例如，假设分段过程将给定的时间序列表示为以下部分：(S1、S2、S3、S4、S5、S6)。然后，在应用分割过程后，采用传统的聚类方法对提取的片段进行聚类。因此，我们可能会得到这样的结果:如果k= 3:那么K1 {S1，S5}，K2 {S3，S6}
浏览 0提问于2018-03-31得票数 4
回答已采纳
2回答
我想对我为谷歌学者搜索获得的文档进行聚类，使用单词包模型。我想用Java作为语言。
假设关键字k，谷歌学者给我50个结果。如果我有一组预定义的词w1，w2，w3.wn，我怎样才能对最有预定义词集的文档进行排序呢？我怎样才能应用包字模型呢？我需要像k均值这样的聚类算法吗？我也需要执行NLP技术吗？
假设单词w1有几个同义词。对于文档排名，我如何考虑这些同义词？我需要创建一个包含所有缩写、同义词等的语料库吗？
有什么好的教程可供使用吗？选择Java而不是Python将是一个劣势，因为大多数资源(Ex - Scikit)都是Python的吗？
浏览 0提问于2015-08-28得票数 2
1回答
我知道如何使用SIFT (在matlab中)比较两个图像，但如果我必须找到多个图像之间的相似性怎么办。例如，我有30张图片。我怎么能用SIFT来说其中10个有30%的匹配率，5个有95%的匹配率呢？我可以使用聚类，但在此之前，我需要一些可以应用聚类技术的值。我已经被这个问题困扰了几个小时了。所以朋友们，如果你知道，请一定要帮助我。
谢谢
浏览 0提问于2011-07-14得票数 3
我正在开发android应用程序，它将学习和评估攻击性驾驶行为，如急转弯、突然刹车等。
因为我正在尝试做一个学习算法。我现在的方法是在错误驱动时获取传感器数据，并制作多传感器的数据集，即加速度计、陀螺仪和磁强计。
一旦存储了多个数据集(针对每个传感器)，应用程序将继续将数据集与传感器的当前值进行比较。如果模式匹配，则发生相同的操作(错误)。
是否有任何api或解决方案，如何比较和匹配传感器数据的模式，因为我目前正在使用数组，并比较无法工作的多个值，我知道。
或者，对于这个问题，你认为还有什么更好的解决办法吗?请告诉我。
这将是一个很大的帮助，因为我被困在这里从几个星期：
浏览 3提问于2014-08-04得票数 3
1回答
我有一个NLP问题语句，其中我使用一个Word2Vec嵌入预训练模型将关键文本转换为向量，然后在一组项上运行k均值聚类，以获得特定k的最终模型。
对于不同的术语集，我将开发一个不同的模型，我将存储到磁盘。
我的问题是，如果有一个新的术语，我想分类它应该从所有的模型指向哪一个集群，我可以遵循以下方法？
将所有模型加载到内存中，并获取它们的集群中心。
根据与以前相同的预训练模型得到新项的向量。
从每个聚类中心到新的向量的距离，无论哪一个最近的都可以被认为是获胜的聚类。
我想知道这种做法可能有哪些缺点。
我的假设是，由于向量空间与预训练模型所定义的相同，因此聚类中心将位于相同的空间中。
浏览 0提问于2020-10-06得票数 2
回答已采纳
1回答
我试图建立一个主题提取器，简单地说，阅读段落的所有句子，并对段落/文章/文档的主题做一个有计划的猜测。我甚至可以根据我所取得的进步将它升级到一个总结。
互联网上有大量的信息。很难理解所有这些并选择正确的路径，因为我对NLP并不熟悉。
我希望有经验的人能为我指明正确的方向。
我不是在寻找一种语言计算模型，而是一种n克或神经网络方法，这是最近做的事情。
我也在寻找参考分辨率使用的n-克，如果有人有任何线索，这是非常感谢。稍微熟悉斯坦福合作解决方案，但不想使用它的现状。
欢迎您提供任何信息、想法和意见。
浏览 1提问于2018-02-20得票数 0
让我们假设我们有一个文档集合，并希望执行一些无监督的主题分割。
和往常一样，我们将执行一些预处理(包括标记化、重音去除、低胁迫、归一化等等)，并将令牌列表转换为原始计数或tfidf向量。我们称之为矩阵M。
现在我们有了几种可能的方法来执行一些简单的单词主题切分：
将矩阵分解方法(LSI、LDA、NMF)直接应用于M，并将结果作为主题。
将M的每个向量嵌入到语义空间(LSI，word2vec)中，然后在语义空间上应用矩阵分解方法。
将聚类方法(kM、DBSCAN、MSC、GMM)直接应用于M.
将M的每个向量嵌入到语义空间中，然后在语义空间上应用聚类方法。
我有两个问题：
除了那些我还没有考虑过
浏览 0提问于2018-08-16得票数 0
回答已采纳
例如：“学院”、“功课”和“学院”属于同一类，“论文”、“奖学金”、“金钱”也属于同一类。这是ML还是NLP问题？
浏览 0提问于2013-01-04得票数 5
在NLP中，单词嵌入表示单词作为数字，但是在阅读了许多博客之后，我发现单词是作为向量表示的？那么，究竟什么是词的嵌入，为什么单词是用向量来表示的，向量的大小是巨大的。这个向量代表什么值？
字和字的嵌入有什么区别？请用简单的术语解释简单的例子。
浏览 0提问于2019-10-09得票数 3
Scikit-learn为机器学习提供了相当友好的python模块。
我正在尝试训练一个用于自然语言处理(NLP)的SVM标记器，其中我的标签和输入数据是单词和注释。例如，词性标记，而不是使用双精度/整数数据作为输入元组[[1,2], [2,0]]，我的元组将看起来像这样的[['word','NOUN'], ['young', 'adjective']]
谁能举个例子说明如何使用字符串元组的支持向量机？此处给出的教程/文档适用于整数/双精度输入。
浏览 0提问于2012-10-18得票数 6
回答已采纳
2回答
从文档中提取内容
、、、、
我想从简历中提取内容，如技能，认证，工作经验等与NLP的各种部分，并标记他们的类别。虽然我可以编写基本的规则来提取各种标点符号上的文本，但它在某些情况下可能不起作用。在这种情况下，会有所帮助吗？解决这个问题的正确方法是什么？
SKILL SET
Machine learning, Deep learning, Python, Julia, NLP
CERTIFICATIONS
Coursera: R Programming, The Data Scientist Toolbox 2015
Galvanize: Data science & big data anal
浏览 3提问于2017-12-19得票数 0
1回答
聚类多网络
、、
我在寻找网络中的社区检测方法。例如，如果我有一个由100人组成的网络(每个节点都是一个人)，那么如何集群节点呢？将这些人分组的最佳方法是什么？我知道这个问题很开放，但我只是在寻找一个正确的方向。
浏览 0提问于2017-04-06得票数 0
回答已采纳
我有一组2000个点，它们基本上是足球协会传球来源的x，y坐标。我想对其运行k-means聚类算法，以便对其进行分类，以获得最常见的10个过程(k=10)。但是，我不想预测未来值的任何点。我只是想使用现有的数据。我还需要把它分成测试训练集吗？我假设只有当我们想要在特定集合上训练模型以计算未来值(?)时，它们才会完成。我对集群(以及整个Python )是个新手，所以如果有任何帮助，我将不胜感激。
浏览 22提问于2019-04-01得票数 1
3回答
谱聚类与层次聚类
、、、
有谁能解释一下，与光谱聚类相比，使用层次聚类有什么好处？我知道它们是如何工作的，但我想知道在哪种情况下使用分层聚类比使用光谱聚类更好。
浏览 6提问于2016-04-15得票数 3
回答已采纳
1回答
滑雪板概念聚类？
、、
如何在滑雪板中执行概念聚类？我的用例是，我有一些英语维基百科文章，我正在对这些文章进行无监督的学习(tfidf ->截断的svd -> l2标准化)，我想为它们创建一个层次结构，以便顶部的节点是最一般的文章(例如，编程语言-> Functional -> Haskell)。
我试过使用hierarchy.linkage，但该算法似乎使用了n^2空间，内存不足。我还尝试在KDTree归一化向量上使用l2，然后递归地将每个节点设置为其子节点的归一化和，但这并没有产生理想的结果。
什么是正确的方法来执行概念聚类与余弦相似在科学-学习不使用二次空间？
浏览 0提问于2018-02-27得票数 1
3回答
我是一个文本挖掘的新手，这是我的情况。假设我有一个单词列表'car'，'dog'，'puppy'，'vehicle'，我想把单词聚成k组，我希望输出是['car'，'vehicle'，'dog'，'puppy']。我首先计算每个成对单词的相似度得分，得到一个4x4矩阵(在本例中) M，其中Mij是单词i和j的相似度得分。在将单词转换为数字数据后，我利用不同的聚类库(例如sklearn)或自己实现它来获得单词聚类。
我想知道这种方法有意义吗？此外，我如何确定k的值？更重
浏览 19提问于2017-01-31得票数 5
1回答
我有一个问题和解决方案的清单。目前对现有问题的搜索只是一个关键字搜索。为了改进对问题的现有解决方案的搜索:使用nlp根据文档的语义对文档进行分类。用户输入搜索词，与此搜索密切匹配的文档将与可能的解决方案一起显示。
搜索将基于语义，这是nlp的用例吗？
浏览 2提问于2016-02-12得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
