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. word2vec中的数学原理详解

  2. word2vec 是 Google 于 2013 年开源推出的一个用于获取 word vector 的工具包，它简单、高效，因此引起了很多人的关注。由于 word2vec 的作者 Tomas Mikolov 在两篇相关的论文 [3,4] 中并没有谈及太多算法细节，因而在一定程度上增加了这个工具包的神秘感。一些按捺不住的人于是选择了通过解剖源代码的方式来一窥究竟，出于好奇，本文作者也成为了他们中的一员。本文作者在读完代码后，觉得收获颇多，于是整理成文，给有需要的朋友参考。

  3. 所属分类：机器学习

    • 发布日期：2017-10-11
    • 文件大小：13mb
    • 提供者：qq_18857415

  1. google word2vec相关论文

  2. word2vec是一种词的向量表示工具，是一种浅层神经网络。如果想知道原理，请看作者的论文，有理有据。

  3. 所属分类：深度学习

    • 发布日期：2018-03-20
    • 文件大小：411kb
    • 提供者：github_37412255

  1. word2vec-相关数学原理.pdf

  2. 本书系统地总结了Word2vec相关算法和公式推导，对初学NLP学者来说起到的很大的帮助，我在读论文的时候也时不时会看这本书

  3. 所属分类：机器学习

    • 发布日期：2019-09-15
    • 文件大小：14mb
    • 提供者：qq_35494772

  1. word2vec相关论文

  2. word2vec相关论文

  3. 所属分类：讲义

    • 发布日期：2016-03-18
    • 文件大小：2mb
    • 提供者：panzhenchun1

  1. 从语言学到深度学习NLP，一文概述自然语言处理

  2. 本文来自于51cto，文章详细介绍了自然语言处理的基本分类和基本概念深度学习中的NLP等相关知识。本文从两篇论文出发先简要介绍了自然语言处理的基本分类和基本概念，再向读者展示了深度学习中的NLP。这两篇论文都是很好的综述性入门论文，希望详细了解自然语言处理的读者可以进一步阅读这两篇论文。首先第一部分介绍了自然语言处理的基本概念，作者将NLP分为自然语言理解和自然语言生成，并解释了NLP过程的各个层级和应用，这一篇论文很适合读者系统的了解NLP的基本概念。第二描述的是基于深度学习的NLP，该论文首

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：467kb
    • 提供者：weixin_38656103

  1. PhaseTransitionsInWordEmbeddings：UCPH计算机科学学院的Thor Larsen的Ba项目，由Daniel Hershcovich监督-源码

  2. PhaseTransitionsInWordEmbeddings UCPH计算机科学学院的Thor Larsen获得学士学位项目，由Daniel Hershcovich指导 论文结果部分中使用的数据和相关脚本可在“数据”文件夹中找到。 我们的假设是使用SciPy使用超几何显着性检验进行检验的。 最终模型是由Mikolov等人使用Gensim对原始Word2Vec模型的实现创建的。 并使用Spearman的$ \ rho $进行了评估。 用于生成模型的脚本和模型文件位于“模型”文件夹中。 也可

  3. 所属分类：其它

  1. 知识网络-源码

  2. 知识网络 该存储库包含Web会议2021年论文《的源代码和预处理数据集。 数据集 Twitter数据集 收集Twitter数据集[1]来评估社交事件检测方法。 在过滤掉重复且不可恢复的推文之后，数据集包含68,841个与503事件类别相关的手动标记的推文，分布了四个星期。 请在找到原始数据集 MAVEN数据集 MAVEN [2]是根据Wikipedia文档构建的一般域事件检测数据集。 我们删除与多种事件类型关联的句子（即消息）。 过滤后的数据集包含10,242条与154个事件类别相关的消息。 请

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：16mb
    • 提供者：weixin_42172972

  1. 文本分段：论文的实施：文本分段作为监督学习任务-源码

  2. 文本分割作为监督学习任务 该存储库包含代码和补充材料，这些信息和补充材料是训练和评估模型所必需的，如论文“将 Downalod所需资源 wiki-727K，wiki-50数据集： word2vec： 在configgenerator.py中填充相关路径，并执行脚本（git存储库包括Choi数据集） 创建环境： conda create -n textseg python=2.7 numpy scipy gensim ipython source activate textseg pip

  3. 所属分类：其它