注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Lucene+in+Action

  2. Lucene in Action 为使用最好的 Java 开源搜索引擎的用户提供所有细节、最好的实践、警告 技巧。 本书假设读者熟悉基本的 Java 编程。Lucene 本身是个 Java 档案(JAR)文件并能集成到简 的命令行程序和大型企业级应用程序中。 Roadmap 我们在本书第 1 部分覆盖 Lucene 核心编程接口(API)使你在将 Lucene 整合到你的程序中 愿意使用它： n 第 1 章，接触 Lucene。我们介绍了一些基本的信息搜索术语和 Lucene 的主要 争对手。

  3. 所属分类：Java

  1. word2vec_basic.py源码下载

  2. Tensorflow 中文社区字词的向量表示的 word2vec_basic.py 源码下载

  3. 所属分类：机器学习

    • 发布日期：2018-05-24
    • 文件大小：10kb
    • 提供者：chnyac

  1. CRF，LSTM，最大后向匹配法实现中文分词

  2. 3种中文分词方法：最大后向匹配法，CRF，LSTM。其中LSTM又用了三种方法输入，glove向量，Word2vec向量，还有将字映射成整数再通过embedding层映射成字向量作为输入。还包含中文分词的评分脚本。

  3. 所属分类：深度学习

    • 发布日期：2018-06-18
    • 文件大小：14mb
    • 提供者：sixi5498

  1. 维基百科数据训练的字向量，可以作为分词工具的输入

  2. 维基百科数据训练的字向量，可以作为分词工具的输入，附使用代码。效果：三的上下文最相似词：四 0.9261350631713867 六 0.9203430414199829 二 0.9152765870094299 五 0.9106490612030029 八 0.8815003633499146 七 0.8814834356307983 九 0.8052943348884583 十 0.7749631404876709 百 0.6811780333518982 一 0.676212310791

  3. 所属分类：深度学习

    • 发布日期：2018-07-13
    • 文件大小：8mb
    • 提供者：u011048569

  1. Word2Vec 字词的向量表示法

  2. 本教程旨在重点介绍在Tensorflow中构建word2vec模型时的一些有趣且重要的部分。 1.我们将先说明将字词表示为向量的动机 2.我们会介绍模型的原理及其训练方式 3.我们还会在Tensorflow中展示模型的简单实现 4.我们会介绍如何提高该简单版本的扩展性能

  3. 所属分类：深度学习

    • 发布日期：2019-01-10
    • 文件大小：2mb
    • 提供者：blackkettle

  1. 智能问答算法原理及实践之路

  2. 高清版，智能问答算法原理及实践之路CONTENTS 01 智能问答算法原理 02 实践:小知客服机器人电话机器人 03 总结和挑战 腾讯小知 总览 query 中控逻辑 response 任务机器人 知识图谱机器人 FAQ机器人 闲聊机器人 阅读理解机器人 KNOWLEDGE GRAPH AQ豆豆 腾讯小知 腾讯小知 FAQ机器人 Preprocess:对 query进行预处理,抽取NLP特征 社保余额 怎么查询? 纠错 标准化文本特征提取 FAQ问题集 Retrieval:从问题索引中召回

  3. 所属分类：机器学习

  1. Python-中文自然语言处理向量合集

  2. 中文自然语言处理向量合集,包括字向量,拼音向量,词向量,词性向量,依存关系向量.共5种类型的向量

  3. 所属分类：其它

    • 发布日期：2019-08-10
    • 文件大小：27mb
    • 提供者：weixin_39840588

  1. Python-基于同义词词林知网指纹字词向量向量空间模型的句子相似度计算

  2. self complement of Sentence Similarity compute based on cilin, hownet, simhash, wordvector,vsm models，基于同义词词林，知网，指纹，字词向量，向量空间模型的句子相似度计算。

  3. 所属分类：其它

  1. 实训作业 (1).rar

  2. 三、 项目思路 1. 爬取一定时间内的（如最近1个月的）前程无忧岗位数据（例如青岛所有岗位的url为：https://jobs.51job.com/qingdao-snq/），部分数据可以直接在搜索结果中获取，部分数据需要进入到岗位页面中获取。 2. 将爬取的数据保存为本地文本文件（若学生掌握数据库相关知识则可以保存在数据库中）。 3. 基于爬取的数据可以形成多种数据分析结果，例如：行业薪资、地区薪资、地区与行业分布关系、行业学历需求情况等。 4. “职位信息”字段可使用jieba分词库进行分

  3. 所属分类：机器学习

  1. 爬取一定时间内的前程无忧岗位数据（例如青岛所有岗位的url为：https://jobs.51job.com/qingdao-snq/）

  2. 三、 项目思路 1. 爬取一定时间内的（如最近1个月的）前程无忧岗位数据（例如青岛所有岗位的url为：https://jobs.51job.com/qingdao-snq/），部分数据可以直接在搜索结果中获取，部分数据需要进入到岗位页面中获取。 2. 将爬取的数据保存为本地文本文件（若学生掌握数据库相关知识则可以保存在数据库中）。 3. 基于爬取的数据可以形成多种数据分析结果，例如：行业薪资、地区薪资、地区与行业分布关系、行业学历需求情况等。 4. “职位信息”字段可使用jieba分词库进行分

  3. 所属分类：机器学习

  1. 维基百科中文词向量.zip

  2. 维基百科词向量 sgns.wiki.char.bz2解压后文件后缀名是.char, 可以通过一些方法得到.txt结尾的文件，有35万多个字词和符号，300维的向量表示。将词向量作为词嵌入层时需要加载全部的词向量到内存，如果计算机的内存不够大，会直接内存溢出。所以，截取8000，20000个词汇的词向量进行使用，在配置普遍的设备也能运行。该项目提供了100多个使用不同表示（密集和稀疏），上下文特征（单词，ngram，字符等）和语料库训练的中文单词向量（嵌入）。人们可以很容易地获得具有不同属性的预训

  3. 所属分类：深度学习

    • 发布日期：2020-11-26
    • 文件大小：336mb
    • 提供者：wwmmddz

  1. 2020-powerattack-nlp:2020中国大学生保险数字科技挑战赛排名14 0.293单句方案-代码当前不开源-源码

  2. 2020中国大学生保险数字科技挑战赛-科技赛道-随便取团队方案 诺文 赛题 对话意义识别 赛题数据 由于涉及到用户隐私及数据安全等问题，本次比赛不提供原始文本，而是使用字符编号和切词后的单词编号来表示文本信息。数据格式说明： id：通话流水号 类别：角色类型（0客户，1机器人） char：基于字的id 词：基于词的id（其中词通过-进行连接） 标签：所属范畴 训练数据和预测数据（测试集）都没有经过任何清洗。 最终排名 初赛总榜排名14 初赛华东赛区第四 分数0.29305968 线上最终

  3. 所属分类：其它

  1. Language-games:用单词向量制作的简单死亡游戏-源码

  2. 语言游戏 用语言模型和字向量制作的简单简单游戏。由精彩的词向量库提供支持： 游戏1：竞争性单词猜测-玩家尝试猜测一个隐藏的单词 游戏2：猜测列表中最接近给定单词的单词 游戏3：猜测与其他单词列表不匹配的单词 游戏4：类似语义拼字游戏 安装说明 克隆仓库 根据需要输入pip install -r requirements.txt或pip3 install -r requirments.txt 。 和/或下载可用的这些词向量集之一 通过运行python3 play_game.py享受游戏 屏幕截图

  3. 所属分类：其它

  1. research-源码

  2. 公平研究 科学研究中的公平性研究。 检查不同“敏感”群体之间的推荐是否存在显着的群体差异 链接： ： bag_of_words.py将两个文件名用作命令行参数，并为它们生成字词向量的unigram（或bigram）袋。 示例参数： 对于main.py --path“ ../../workingAmir/data_info/loaded_pickles_nips19/” --save_model“ lda”-时期“ 20”] 对于validate.py --data_path“ ..

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：41kb
    • 提供者：weixin_42169674

  1. 用Bert生成中文的字、词向量-附件资源

  2. 用Bert生成中文的字、词向量-附件资源

  3. 所属分类：互联网

    • 发布日期：2021-03-05
    • 文件大小：106byte
    • 提供者：weixin_42183453

  1. 用Bert生成中文的字、词向量-附件资源

  2. 用Bert生成中文的字、词向量-附件资源

  3. 所属分类：互联网

    • 发布日期：2021-03-02
    • 文件大小：23byte
    • 提供者：weixin_42204453

  1. Word2Bits：量化字向量比常规字向量占用的空间少8x-16x-源码

  2. Word2Bits-量化词向量 Word2Bits扩展了Word2Vec算法，以输出高质量的量化词向量，该向量的存储量比常规词向量少8到16倍。 在阅读详细信息。 什么是量化词向量？ 量化词向量是词向量，其中每个参数是2^bitlevel值之一。 例如，“国王”的1位量化矢量看起来像 0.33333334 0.33333334 0.33333334 -0.33333334 -0.33333334 -0.33333334 0.33333334 0.33333334 -0.33333334 0.

  3. 所属分类：其它

  1. Min_NLP_Practice：使用CNN双向lstm和crf模型并带有char嵌入功能的中英文Cws Pos Ner实体识别工具。基于字向量的CNN池化双向BiLSTM与CRF模型的网络，可能的一体化完成标记，实体识别。主要包括原始文本

  2. CwsPosNerEntityRecognition 中英文Cws Pos Ner实体识别工具，使用CNN双向lstm和crf模型，并带有char嵌入。基于字向量的CNN池化双向BiLSTM与CRF模型的网络，可能一体化的完成中文和英文分词，词性标注，实体识别。主要包括原始文本数据，数据转换，训练脚本，预训练模型，可用于序列标注研究。注意：唯一需要实现的逻辑是将用户数据转化为序列模型。分词准确率约为93％，词性标注准确率约为90％，实体标注（在本样本上）约为85％。 提示 中文分词，词性标注，

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：52mb
    • 提供者：weixin_42135073

  1. text2vec：text2vec，中文文本到vetor。（文本向量化表示工具，包括词向量化，句子向量化，句子相似度计算）-源码

  2. text2vec text2vec，中文文本给vetor。（文本向量化表示工具，包括词向量化，句子向量化） 特征 文本向量表示 字词粒度，通过腾讯AI Lab开放式的大规模扩展中文 （文件名：light_Tencent_AILab_ChineseEmbedding.bin密码：tawe），获取字词的word2vec矢量表示。 句子粒度，通过求句子中所有单词词嵌入的预先计算得到。 篇章粒度，可以通过gensim库的doc2vec得到，应用替代，本项目不实现。 文本相似度计算 基准方法，估计两个句

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：141kb
    • 提供者：weixin_42149145

  1. Keras-TextClassification：中文长文本分类，短句分类，多标签分类，两句相似度（多标签分类或句子分类，长或短），字词向量嵌入层（嵌入）和网络层（图）嵌入基类，FastText，TextCNN，CharCNN，TextRN

  2. 安装（安装） pip install Keras-TextClassification step2 : download and unzip the dir of 'data.rar' , 地址: https : // pan . baidu . com / s / 1 I3vydhmFEQ9nuPG2fDou8Q 提取码: rket cover the dir of data to anaconda , like '/anaconda/3.5.1/envs/tensorflo

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：483kb
    • 提供者：weixin_42122432
« 12 »