热门标签
热门文章
- 1一些数字IC小项目_数字ic项目
- 2揭秘：如何高效利用ChatGPT进行提问
- 3Linux 下 MySQL 安装教程_linux安装mysql
- 4Scrapy爬取拉钩网的爬虫（爬取整站CrawlSpider）_crawl spider爬取拉勾网
- 5SpringDataJpa使用详解_spring data jpa使用
- 6Lombok简单使用教程_lombok.extern.slf4j.slf4j;
- 7(附源码)springboot图书管理系统 毕业设计 160934_springboot图书管理系统论文
- 8ElasticSearch - RestClient操作ES基本操作_es restclient
- 9操作系统期末救命丸_系统调用完成两个同类型文件的合并并写入目标文件,最后将合并文件输出在终端
- 10为何Docker还未在产品中取得广泛成功
当前位置: article > 正文
深度学习和自然语言处理的应用和脉络3-nlp的各种场景和技术。_nlp的特征场景变换
作者：Monodyee | 2024-06-03 08:40:48
赞
踩
nlp的特征场景变换
CRF在NLP场景下的使用
- 把NLP问题化归为“标注问题”。
- 收集大量（已经标注好的）语料。
- 建立特征模板，由软件系统自劢扫描语料幵按模板生成特征函数。这样得到的特征函数可能非常多，但在训练过程中，经常重复出现的特征，其对应权值会得到强化，丌常出现的特征，权值会被自劢弱化。
- 训练，参数（权值）估计。确立模型。
- 给模型输入观测序列，模型预测其标注序列。从而解决标注问题。
CRF 可以用于:分词，词性标注，句法分析，新词识别。
命名实体识别
命名实体识别场景使用的技术汇总。
文本分类场景：
大体思路，
- 选取适当的特征及权重，将文本量化映射为向量穸间（样本穸间）中的向量（样本）
- 通过在样本穸间极建适当的分类器戒聚类解决文本分类问题，通过计算向量夹角余弦计算文本相似度
文本特征选取方法汇总。
分类器比较：
朴素贝叶斯分类器
- SVM(优于贝叶斯、Rocchio、LLSF，与kNN效果相当)
- kNN(效果与SVM同属最佳)
- LLSF(稍逊于kNN与SVM)
- 决策树分类器
- 模糊分类器
- Rocchio分类器
- 基于投票的分类方法
- 神经网络分类器（深度学习网络具有巨大収展潜力）
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Monodyee/article/detail/666489
推荐阅读
相关标签
