基于規(guī)則集，rule-base： XX 是 XXXX 類似于 XXXX 成立于 XX年 XX月規(guī)則集合可以設(shè)置一些限制， 比如實(shí)體的類型。 優(yōu)點(diǎn)：不需要訓(xùn)練數(shù)據(jù)。比較準(zhǔn)確。 ...
發(fā)簡(jiǎn)信
IP屬地：廣東
-
關(guān)系抽取實(shí)現(xiàn)方案
-
命名實(shí)體識(shí)別概述
命名實(shí)體識(shí)別 即專有名詞，如人名，地名，機(jī)構(gòu)等等 有限集合，基于詞庫(kù) 1.詞庫(kù)+分類詞庫(kù)中無(wú)法識(shí)別的一些詞，可通過(guò)相似度，以及分類方法識(shí)別例如 詞庫(kù)中感冒藥品， 感冒藥 無(wú)法...
-
中文語(yǔ)音識(shí)別后檢錯(cuò)糾錯(cuò)（二）：LSTM句子檢錯(cuò)糾錯(cuò)
在構(gòu)建了基于n-gram的糾錯(cuò)檢錯(cuò)模型之后，我們自然不能放過(guò)如今大紅大紫的神經(jīng)網(wǎng)絡(luò)，鑒于神經(jīng)網(wǎng)絡(luò)的靈活性和訓(xùn)練的耗時(shí)性，我們?cè)诜椒▏L試和模型訓(xùn)練上花了很多時(shí)間，期間走過(guò)不少?gòu)?..
-
框架代碼層面的原因不太清楚…。dl層數(shù)較多情況下，可能是優(yōu)化的函數(shù)，在某一處的梯度變化比較大的時(shí)候，就容易梯度爆炸。在那個(gè)點(diǎn)求得的梯度比較大，然后層數(shù)多，求導(dǎo)連乘之后數(shù)值就很大…相反如果導(dǎo)數(shù)都是0-1之間的。連乘后導(dǎo)數(shù)就接近于0..就容易梯度消失
tensorflow optimizer（優(yōu)化器學(xué)習(xí)小結(jié)）
optimizer 類 根據(jù)官方文檔，tf的optimizer類下有以下子類 class AdadeltaOptimizer: Optimizer that implemen...
-
個(gè)人愚見(jiàn)，主要還是學(xué)習(xí)率，還有就是優(yōu)化函數(shù)，是否是凸函數(shù)，如果存在許多局部最優(yōu)，是很難將loss 往更低的降。
tensorflow optimizer（優(yōu)化器學(xué)習(xí)小結(jié)）
optimizer 類 根據(jù)官方文檔，tf的optimizer類下有以下子類 class AdadeltaOptimizer: Optimizer that implemen...
-
基于新標(biāo)注模式的實(shí)體和關(guān)系聯(lián)合抽取方法翻譯自http://xueshu.baidu.com/s?wd=paperuri%3A%28a56c446f2f5e2be9e4679f95639f0b7c%29&filte...
-
@鄭建波_fe45 抱歉，我沒(méi)遇到這個(gè)問(wèn)題，以編碼為切入點(diǎn)搜搜相關(guān)的資料吧。
linux 離線環(huán)境安裝rasa_nlu 模塊
簡(jiǎn)介 在rasa-nlu模塊面向中文需要mitie的信息抽取模塊，在公司項(xiàng)目中采用的管道是mitie, tensorflow，jieba分詞。 如果你的服務(wù)器能夠上外網(wǎng)，那么...
-
rasa對(duì)話系統(tǒng)踩坑記（十）前言 2018年底了，rasa對(duì)話系統(tǒng)踩坑記系列文章最后一篇，剛好是十，也算是十全十美?？此葡駵悢?shù)的，但這篇絕對(duì)也是滿滿的干貨?？催^(guò)我前面幾篇文章的同學(xué)都知道，我?guī)缀醪涣泄?..
-
概率圖模型之（HMM）隱馬模型（隱馬爾可夫）在講隱馬模型之前，首先要了解下，啥是馬爾可夫模型。 馬爾可夫模型 幾個(gè)條件 當(dāng)前狀態(tài)只與前一個(gè)狀態(tài)相關(guān) 一個(gè)狀態(tài)到所有狀態(tài)的轉(zhuǎn)移概率和為1 概率大于等于0小于等于1 狀態(tài)起始...
-
樹結(jié)構(gòu)之Trie 樹（前綴樹，字典樹）
前言 最進(jìn)在看分詞源碼，發(fā)現(xiàn)詞庫(kù)的存儲(chǔ)是基于Trie樹的數(shù)據(jù)結(jié)構(gòu)，特此了解了下其原理。Trie樹又叫前綴樹，字典樹。Trie樹的用途：字典搜索，詞頻統(tǒng)計(jì)，前綴查詢等等。原理也...
-
softmax回歸解析及實(shí)戰(zhàn)
中期總結(jié) 最近在工作中，涉及到多分類問(wèn)題，原先采取的是邏輯回歸策略進(jìn)行求解，效果還算理想。主要存在以下幾個(gè)問(wèn)題： 1.訓(xùn)練的模型較多，one vs one 的策略結(jié)果稍微好一...
-
經(jīng)典的語(yǔ)言模型：N-gram
語(yǔ)言模型 一個(gè)語(yǔ)言模型通常構(gòu)建為字符串的S的概率分布P(s)。比如，每個(gè)人100句話中平均大約有一句“你好”，那么“你好”這句話的概率大致為，像“野豬會(huì)做飯燒菜”，基本沒(méi)人會(huì)...
-
5 分鐘入門 Google 最強(qiáng)NLP模型：BERTBERT (Bidirectional Encoder Representations from Transformers) 10月11日，Google AI Languag...
