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. 统计自然语言处理基础

  2. 第一部分 基础知识 第1章 绪论 1．1 理性主义者和经验主义者的方法 1．2 科学内容 1．3 语言中的歧义问题是自然语言难以处理的原因 1．4 第一手资料 1．5 深入阅读 1．6 习题 第2章 数学基础 2．1 概率论基础 2．2 信息论基础 2．3 深入阅读 2．4 习题 第3章 语言学基础 3．1 词性和词法 3．2 短语结枸 3．3 语义和语用 3．4 其他研究领域 3．5 深入阅读 3．6 习题 .第4章 基于语料库的工作 4．1 基础知识 4．2 文本 4．3 数据标注 4.

  3. 所属分类：专业指导

    • 发布日期：2012-07-26
    • 文件大小：26214400
    • 提供者：a06062125

  1. 《程序员》杂志2012年第7期

  2. 《程序员》封面报道：智能算法 智能应用每时每刻都在影响着我们的工作和生活，然而对于许多软件开发人员来说，构建智能应用的技术—智能算法依然披着神秘的面纱。一方面，这些技术的潜在价值可以带来巨大的经济回报，商业公司往往不会轻易示人；另一方面，几乎所有的相关技术都源自学术研究，倘若缺乏引领，则难以深入其中。本期封面报道，我们将从搜索技术、社交网络数据挖掘、机器翻译、推荐引擎等角度，结合具体应用，为你揭开智能算法的面纱。 （1）地图和本地搜索的最基本技术 （2）搜索引擎的查询意图识别 （3）社交网络：

  3. 所属分类：专业指导

    • 发布日期：2012-08-11
    • 文件大小：10485760
    • 提供者：luckhappystar

  1. 《程序员》杂志2012年第07期

  2. 《程序员》封面报道：智能算法 智能应用每时每刻都在影响着我们的工作和生活，然而对于许多软件开发人员来说，构建智能应用的技术—智能算法依然披着神秘的面纱。一方面，这些技术的潜在价值可以带来巨大的经济回报，商业公司往往不会轻易示人；另一方面，几乎所有的相关技术都源自学术研究，倘若缺乏引领，则难以深入其中。本期封面报道，我们将从搜索技术、社交网络数据挖掘、机器翻译、推荐引擎等角度，结合具体应用，为你揭开智能算法的面纱。 （1）地图和本地搜索的最基本技术 （2）搜索引擎的查询意图识别 （3）社交网络：

  3. 所属分类：互联网

    • 发布日期：2012-11-05
    • 文件大小：10485760
    • 提供者：xinzhengs

  1. 程序员数学

  2. 摘要 在很多涉及到自然语言处理的领域，如机器翻译、语音识别、印刷 体或手写体识别、拼写纠错、汉字输入和文献查询中，我们都需要知道一个文 字序列是否能构成一个大家能理解的句子，显示给使用者。对这个问题，我们 可以用一个简单的统计模型来解决这个问题。

  3. 所属分类：其它

    • 发布日期：2013-08-22
    • 文件大小：556032
    • 提供者：tianyagao

  1. 《计算语言学》讲义-中科院 刘群教授

  2. 中国科学院研究生院信息学院 硕士生课程 刘群教授主讲。 本课程为计算机软件与理论专业研究生的专业基础课。通过本课程的学习，使同学掌握计算语言学的基本理论，了解自然语言处理的常用模型和算法，初步具备从事相关领域研究工作的能力。 内容提要： 第一章 概论 介绍计算语言学的研究对象，研究手段，学科特点，历史趋势等。 第二章 词典 词典编纂，组织，检索等。 第三章 语料库 语料库收集，整理，对齐，检索，基于语料库的知识获取。 第四章 词法分析 正则语法与有限状态自动机，HMM与词性标注，汉语词语切分，

  3. 所属分类：专业指导

    • 发布日期：2013-11-21
    • 文件大小：9437184
    • 提供者：yuhentian

  1. bing中文输入法

  2. 结合搜索体验的干净、简洁、流畅的输入法 必应输入法界面十分干净，无广告、无插件。即使是在性能相对不高的电脑上，也 可以流畅的输入。运用微软创新中文引擎的必应输入法，也是微软第一款带有云词库的输入法，其准确率优于目前市面上任何一款输入法。 必应输入法将必应搜索结合进输入法，例如当用户输入“微软”时，既可以直接选中推荐的热词输入，也可以点击右侧的“搜索”按钮，查看必应搜索的网页结果。 英文输入小帮手 必应输入法还依托于必应词典积累的技术优势，提供了英文输入小帮手、词典应用等特色功能，对于有英文写作

  3. 所属分类：桌面系统

    • 发布日期：2014-01-21
    • 文件大小：30408704
    • 提供者：sun3596209

  1. 统计自然语言处理基础 中文版

  2. 第一部分 基础知识 第1章 绪论 1．1 理性主义者和经验主义者的方法 1．2 科学内容 1．3 语言中的歧义问题是自然语言难以处理的原因 1．4 第一手资料 1．5 深入阅读 1．6 习题 第2章 数学基础 2．1 概率论基础 2．2 信息论基础 2．3 深入阅读 2．4 习题 第3章 语言学基础 3．1 词性和词法 3．2 短语结枸 3．3 语义和语用 3．4 其他研究领域 3．5 深入阅读 3．6 习题 .第4章 基于语料库的工作 4．1 基础知识 4．2 文本 4．3 数据标注 4.

  3. 所属分类：其它

    • 发布日期：2014-02-13
    • 文件大小：26214400
    • 提供者：aaa939291641

  1. 统计自然语言处理基础(中文版)

  2. 统计自然语言处理基础(中文版）全面介绍了统计自然语言处理的基本概念、理论方法和最新研究进展，内容包括形式语言与自动机及其在自然语言处理中的应用、语言模型、隐马尔可夫模型、语料库技术、汉语自动分词与词性标注、句法分析、词义消歧、篇章分析、统计机器翻译、语音翻译、文本分类、信息检索与问答系统、自动文摘和信息抽取、口语信息处理与人机对话系统等，既有对基础知识和理论模型的介绍，也有对相关问题的研究背景、实现方法和技术现状的详细阐述。

  3. 所属分类：其它

    • 发布日期：2014-04-21
    • 文件大小：26214400
    • 提供者：a09211008

  1. Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer

  2. 神经网络吸收信息的能力受限于其参数的数量。在这篇论文中，我们提出一种新类型的层——稀疏门控专家混合层（Sparsely-Gated Mixture-of-Experts(MoE)），它能够在仅需增加一点计算的基础上被用于有效提升模型的能力。这种层包含了多达数万个前向的子网络（feed-forward sub-networks，被称为专家（expert）），总共包含了多达数百亿个参数。一个可训练的门网络（gating network）可以确定这些专家的稀疏组合以用于每一个样本。我们将这种 MoE

  3. 所属分类：深度学习

    • 发布日期：2017-06-23
    • 文件大小：544768
    • 提供者：yewei11

  1. 中英平行语料库

  2. 一万句对齐的中英文平行语料库，用于机器翻译，问答系统等模型的预处理语料。

  3. 所属分类：深度学习

    • 发布日期：2017-10-23
    • 文件大小：1048576
    • 提供者：csdnyaping

  1. 统计自然语言处理

  2. 统计自然语言处理第二版，作者宗成庆，《统计自然语言处理(第2版)》全面介绍了统计自然语言处理的基本概念、理论方法和最新研究进展，内容包括形式语言与自动机及其在自然语言处理中的应用、语言模型、隐马尔可夫模型、语料库技术、汉语自动分词与词性标注、句法分析、词义消歧、篇章分析、统计机器翻译、语音翻译、文本分类、信息检索与问答系统、自动文摘和信息抽取、口语信息处理与人机对话系统等，既有对基础知识和理论模型的介绍，也有对相关问题的研究背景、实现方法和技术现状的详细阐述。

  3. 所属分类：机器学习

    • 发布日期：2018-05-23
    • 文件大小：20971520
    • 提供者：aaaa84958430

  1. 【机器学习、深度学习入门、进阶、深入指南】每一阶段必读论文arxiv.org免费下载链接+课程链接+github代码链接

  2. 人工智能研究专家Flood Sung针对近几年深度学习的研究进展提供了一个非常详细的阅读清单。如果你在深度学习领域是一个新手，你可以会想知道如何从哪篇论文开始阅读学习，人工智能研究专家Flood Sung制定了这一份详细的paper list，包括深度学习历史和基础知识、深度学习方法（涉及模型、优化、无监督学习、RNN、深度强化学习等）、深度学习应用（自然语言处理、目标检测、视觉跟踪、图像描述生成、机器翻译、机器人、目标分割等），建议你收藏，仔细学习

  3. 所属分类：深度学习

    • 发布日期：2018-01-14
    • 文件大小：521216
    • 提供者：zhuf14

  1. 推敲网络——吴郦军博士

  2. 编码解码器框架在许多方面都取得了很好的进展。 生成任务，包括机器翻译、文本摘要、对话框。 系统、图像字幕等。该框架采用单步转发过程。 虽然解码和生成一个序列，但缺乏深思熟虑的过程: 生成的序列直接用作最终输出，而无需进一步抛光。 然而，思考是人类日常生活中常见的阅读行为。 新闻和写论文/文章/书籍。 在这一工作中，我们介绍了审议工作。 对编码解码框架进行处理，并提出讨论网络。 序列的一代。 一个审议网络有两个级别的解码器，其中。 第一遍译码器产生一个原始序列和第二遍译码器。 并审慎地精炼生词。

  3. 所属分类：深度学习

    • 发布日期：2018-01-15
    • 文件大小：392192
    • 提供者：qq_36935593

  1. 日语时间表达式识别与日汉翻译研究

  2. 基于自定义知识库，提出一种知识库强化规则集以及与统计模型相结合的Et语时间表达式识别方法，旨在不断提高时间表达式的识别精准度。按照Timex2标准对时间表现的细化分类，结合日语时间词的特点，渐进地扩展重构日语时间表达式知识库，实现基于知识库获取的规则集的优化更新。同时，融合条件随机场CRF统计模型，提高Et语时间表达式识别的泛化能力。通过考察基于短语的翻译模型翻译时间词的精度，提出统计机器翻译(SMT)结合规则翻译日语时间词的必要性。实验结果显示，Et语时间表达式识别的开放测试F1值达到0．89

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：423936
    • 提供者：weixin_38743737

  1. Graph-Optimal-Transport:ICML 2020代码“跨域对齐的图形最佳传输”-源码

  2. 跨域对齐的图最优传输框架 概括 在这项工作中，应用了Gromov-Wasserstein和Wasserstein距离来提高不同的跨域对齐任务的性能，例如VQA，机器翻译等。 象征性 注意，VQA模型是在基础上开发的。 并在建立了机器翻译模型。 引文 如果您发现该代码有用，请引用我们的ICML 2020论文。 article{chen2020graph, title={Graph Optimal Transport for Cross-Domain Alignment}, author

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：880640
    • 提供者：weixin_42123237

  1. 视觉注意地面-源码

  2. 视觉注意力接地神经模型 1.概述 该代码存储库包含我们研究项目的实现：。 我们介绍了利用并行视觉和纹理信息的新型多峰机器翻译模型。 我们的模型共同优化了对共享可视语言嵌入和翻译语言的学习。 它借助视觉注意基础机制将图像中的视觉语义与相应的文本语义联系起来。 2.先决条件 该代码已在具有NVIDIA GPU的Ubuntu 16.04上成功测试，并且必须满足以下要求： Python 3.6 CUDNN 7.1.4 尽管我们尚未在其他OS系统上测试过此代码，但我们希望可以稍作调整就可以在任何基于

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：6291456
    • 提供者：weixin_42128558

  1. 基于深度神经网络方法的机器在线翻译系统设计

  2. 针对传统机器翻译因为翻译速度比较慢，无法满足用户需求的问题，提出了基于深度神经网络方法的机器在线翻译系统设计。首先，对机器翻译的模型与算法进行分析，并且提出机器翻译系统的结构。另外，设计神经网络机器翻译模型，通过此模型设计机器在线翻译系统。最后，对设计的机器在线翻译系统实现。通过试验表示，基于深度神经网络方法的机器在线翻译系统能够使翻译质量与效率得到提高，并且满足大访问量的翻译需求。

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38624315

  1. Prune-Tune:AAAI2021论文的官方代码存储库，为领域特定的神经机器翻译查找稀疏结构-源码

  2. 西梅调 AAAI2021论文的官方代码存储库： 是Prune-Tune的简要介绍。 该项目基于 （一个开源的神经语音翻译工具包）。 这是训练En-De Translation的通用模型，然后通过Prune-Tune适应目标域（小说）的示例。 Neurst安装 从源安装： git clone https://github.com/ohlionel/Prune-Tune.git cd Prune-Tune/neurst/ pip3 install -r requirements.txt 请参阅

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：239075328
    • 提供者：weixin_42151772

  1. 通过结构学习的区分性重排序模型适应

  2. 在统计机器翻译中，对模型进行重新排序仍然是一个很大的挑战，因为翻译单元的重新排序模式通常在一个域与另一个域之间差异很大。 在本文中，我们提出了一种基于结构学习的新型自适应判别重排序模型（DRM），该模型可以捕获来自两个不同领域的重排序特征之间的对应关系。 利用域内和域外单语语料库，我们的模型学习了用于跨域短语重新排序的共享特征表示。 结合这种表示的功能，在域外语料库上训练的DRM可以更好地推广到域内数据。 NIST汉英翻译任务的实验结果表明，我们的方法明显优于各种基准。

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：534528
    • 提供者：weixin_38616505

  1. NMT_chainer:RNN机器翻译课设原始码-源码

  2. Chainer建立的基于注意力的NMT模型 这是使用Chianer 1.24进行的日英翻译的LSTM NMT模型。 主要思想是基于本文提出的注意力模型：。 它采用了论文《》中介绍的``带点积的全球注意力''。 它采用了本文介绍的辍学：。 有关Chainer的信息，请参阅。 此代码的要求：miniconda + python 3+ seaborn +熊猫+ matplotlib tqdm + chainer = 1.24 + ipython

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：32505856
    • 提供者：weixin_42168745
« 1 2 3 4 5 6 7 89 10 11 12 13 14 15 »