暂无搜索历史
ResNet在2015年被提出，在ImageNet比赛classification任务上获得第一名，因为它“简单与实用”并存，之后很多方法都建立在ResNet5...
随着网络新闻服务的飞速发展，网络上产生了大量的新闻文本信息，探索新闻文本背后的情绪表达，可以为政府和企业提供潜在价值。本题给定互联网新闻文本标题及新闻文本内容，...
由于 K-means 算法的分类结果会受到初始点的选取而有所区别，因此有提出这种算法的改进: K-means++ 。
最终预测的主题结果, 存放在data/test_predict_aspect_ensemble.txt中。
多分类也称为单标签问题，例如，我们为每个样本分配一个标签。名称中的"多"表示我们处理至少 3 个类，对于 2 个类，我们可以使用术语二进制分类(binary c...
这本书对各类读者都一定用处的，但我们是基于两个主要目标受众而写的。其中 一个目标受众是学习机器学习的大学生(本科或研究生)，包括那些开始了职业生 涯的深度学习和...
既然采用固定的向量表示输入序列会限制模型性能，那能不能让解码器每次接收的输入都不一样呢，在每次输出时，让解码器有侧重的关注输入序列的不同部分（如：输出“mach...
在这篇 [在Keras模型中使用预训练的词向量](https://keras-cn.readthedocs.io/en/latest/blog/ word_em...
在机器学习中，有很多的问题并没有解析形式的解，或者有解析形式的解但是计算量很大（譬如，超定问题的最小二乘解），对于此类问题，通常我们会选择采用一种迭代的优化方式...
模型上线之前可以利用测试数据集进行离线评估，主要指标可以根据具体的问题类型可以有以下的方案。
由于最近在做一些无监督的关键词短语(实体)抽取工作,其实最大的背景还是没有标注好的实体识别训练数据；所以想到采用无监督的关键短语抽取算法折中去抽取一些实体，于是...
基于词的翻译模型起源于上世纪IBM关于统计机器翻译的原创性工作，教材主要介绍的是IBM Model 1模型。该模型能够从大量句对齐的语料中自动实现词对齐。
网上有很多对于LSTM以及GRU的介绍，主要从构造方面进行了进行了介绍。但是由于构造相对较复杂，而且涉及到的变量较多，往往不那么容易记住。下面我们从直觉的角度...
4）测试两张图片，denggao.jpg（中文信息）、test.jpg（英文信息）
中文长文本分类、短句子分类、多标签分类、两句子相似度（Chinese Text Classification of Keras NLP, multi-label...
此项目用于对中国购车发票进行内容识别,目前完成的是身份证,vin,发动机号,价格的识别提供了展示的demo页,以及提供了传入文件,路径,base64码的多种方式...
谷歌提供了以下几个版本的BERT模型，每个模型的参数都做了简单的说明，中文的预训练模型在11月3日的时候提供了，这里我们只需要用到中文的版本
在“编码器—解码器（seq2seq）”⼀节⾥，解码器在各个时间步依赖相同的背景变量来获取输⼊序列信息。当编码器为循环神经⽹络时，背景变量来⾃它最终时间步的隐藏状...
在⾃然语⾔处理的很多应⽤中，输⼊和输出都可以是不定⻓序列。以机器翻译为例，输⼊可以是⼀段不定⻓的英语⽂本序列，输出可以是⼀段不定⻓的法语⽂本序列，例如：
textRNN指的是利用RNN循环神经网络解决文本分类问题，文本分类是自然语言处理的一个基本任务，试图推断出给定文本(句子、文档等)的标签或标签集合。
暂未填写公司和职称
暂未填写学校和专业
