朴素贝叶斯文本分类

深度学习在自然语言处理中的十大应用领域

文章目录1.机器翻译2.文本分类3.命名实体识别4.问答系统5.文本生成6.情感分析7.语言生成与处理8.信息检索与摘要9.文本纠错与修复10.智能对话系统总结欢迎来到AIGC人工智能专栏~深度学习在自然语言处理中的十大应用领域
IT·陈寒·2023-08-28 08:23

自然语言处理（NLP）技术的例子

文本分类：文本分类将文本分成不同的类别，它可以被应用到垃圾邮件过滤、新闻分类、社交媒体分析等领域。
AbelZ_01·2023-08-28 08:38

文本分类任务

文章目录引言1.文本分类-使用场景2.自定义类别任务3.贝叶斯算法3.1预备知识3.2贝叶斯公式3.3贝叶斯公式的应用3.4贝叶斯公式在NLP中的应用3.5贝叶斯公式-文本分类3.6代码实现3.7贝叶斯算法的优缺点
@kc++·2023-08-28 05:12

ATT-CNN实现修改--循环变矩阵乘法

上周接触了一下文本分类，了解的不多，学习了一下ATT-CNN用于文本分类的代码，发现了一些问题，写这篇博客记录一下。首先描述下代码中实现文本分类（句子为单样本）的方式：1、中
愿better·2023-08-28 04:35

An Effective Deployment of Contrastive Learning in Multi-label Text Classification (ACL2023)

AnEffectiveDeploymentofContrastiveLearninginMulti-labelTextClassification(ACL2023)在多标签文本分类中一种有效的对比学习应用论文代码
CodeWang_NC·2023-08-27 21:55

无涯教程-分类算法 - 朴素贝叶斯

朴素贝叶斯算法是一种基于应用贝叶斯定理的分类技术，其中强烈假设所有预测变量彼此独立。简而言之，假设是某个类中某个要素的存在独立于同一类中其他任何要素的存在。
Hi无涯教程·2023-08-27 10:29

BERT 模型微调实战：使用Transformers微调BERT模型实现问答和文本分类任务

一、BERT介绍BERT（BidirectionalEncoderRepresentationsfromTransformers）是一种预训练的自然语言处理模型，由Google于2018年发布。BERT模型的核心是Transformer编码器，它可以在大规模语料库上进行无监督预训练，然后通过微调在各种NLP任务上进行微调。BERT模型是一种双向的深度学习模型，它可以同时考虑上下文中的所有单词，从而
技术狂潮AI·2023-08-27 08:24

贝叶斯学习

贝叶斯贝叶斯学习的背景贝叶斯定理贝叶斯定理的条件举例概览选择假设—MAPMAP举例选择假设—极大似然MLML举例:抛硬币问题极大似然&最小二乘NaïveBayesianClassifier(朴素贝叶斯分类器
lov_vol·2023-08-27 06:40

深度学习9:简单理解生成对抗网络原理

结论生成算法您可以将生成算法分组到三个桶中的一个：鉴于标签，他们预测相关的功能（朴素贝叶斯）给定隐藏的表示，他们预测相关的特征（变分自动编码器，生成对抗网络）鉴于一些功能，他们预测其余的（修复，插补）我们将探索生成对抗网络的一些基础知识
ZhangJiQun&MXP·2023-08-27 06:02

【NLP保姆级教程】手把手带你RNN文本分类(附代码)

本文首发于微信公众号：NewBeeNLP写在前面这是NLP保姆级教程的第二篇----基于RNN的文本分类实现（TextRNN）参考的的论文是来自2016年复旦大学IJCAI上的发表的关于循环神经网络在多任务文本分类上的应用
kaiyuan_nlp·2023-08-26 11:25

使用管道工具

HuggingFace本身就是一个模型库，包括了很多经典的模型，比如文本分类、阅读理解、完形填空、文本生成、命名实体识别、文本摘要、翻译等，这些模型即使不进行任何训练也能直接得出比较好的预测结果。
NLP日志录·2023-08-26 10:07

Prompt Tuning 和instruct tuning

以bert作为举例，假设任务是文本分类。“今天天气很好。”我们想判断一下这句话的情感是正面还是负面fine-tune的方法是在bert之后接一个head，然后调整整个模型。
泯灭XzWz·2023-08-26 10:04

。。

猪年携卷积神经网络，卷积神经网络，玻尔兹曼机，对抗生成网络，自编码器，深度价值网络，LSTM，支持向量机，遗传算法，模拟退火算法，粒子群算法，DBC，VAE，马尔科夫链，朴素贝叶斯在这里给您拜年了。
maizidexin520·2023-08-26 08:22

图解最常用的10大机器学习算法

目录01线性回归02逻辑回归03线性判别分析04分类与回归树05朴素贝叶斯06K近邻07学习矢量量化08支持向量机09bagging和随机森林10Boosting和AdaBoost本文属于转载文章转载公共号链接
楠楠星球·2023-08-26 05:38

超越界限：大模型应用领域扩展，探索文本分类、文本匹配、信息抽取和性格测试等多领域应用

超越界限：大模型应用领域扩展，探索文本分类、文本匹配、信息抽取和性格测试等多领域应用随着ChatGPT和GPT-4等强大生成模型出现，自然语言处理任务方式正在逐步发生改变。
汀、人工智能·2023-08-26 05:36

数据增强：提高机器学习性能的有效技巧

文章目录1.数据增强的概念和意义2.常用的数据增强技巧2.1图像数据增强2.2文本数据增强3.数据增强在机器学习中的应用3.1图像分类3.2目标3.3语义分割3.4文本分类3.5生成对抗网络（GAN）4
IT·陈寒·2023-08-25 22:04

几个nlp的小项目（文本分类）

几个nlp的小项目（文本分类）导入加载数据类、评测类查看数据集精确展示数据测评方法设置参数tokenizer，token化的解释对数据集进行预处理加载预训练模型进行训练设置训练模型的参数一个根据任务名获取
码manba·2023-08-25 07:51

NLP（三十）利用ALBERT和机器学习来做文本分类

在文本分类中，有两个大的思路，一个是机器学习，主要是利用n-gram等特征将文本转化为特征向量，这种方法便于
山阴少年·2023-08-24 23:38

使用 T5 模型来做文本分类任务的一些总结

文章目录T5text2text模型如何做textclassification？优化器和调度器(optimizerandscheduler)学习率设置完整训练代码ReferenceT5paper：ExploringtheLimitsofTransferLearningwithaUnifiedText-to-TextTransformerT5本身是一个Text-to-Text模型，但其不仅仅能做传统的
friedrichor·2023-08-24 15:58

超越界限：大模型应用领域扩展，探索文本分类、文本匹配、信息抽取和性格测试等多领域应用

超越界限：大模型应用领域扩展，探索文本分类、文本匹配、信息抽取和性格测试等多领域应用随着ChatGPT和GPT-4等强大生成模型出现，自然语言处理任务方式正在逐步发生改变。
·2023-08-24 15:22

3.贝叶斯分类器

贝叶斯定理设试验E的样本空间为S,A为E的事件,为样本空间S的一个划分,且,则有朴素贝叶斯算法输入1.训练集2.实例输出算法步骤1.先验概率的极大似然估计2.条件概率的极大似然估计3.朴素贝叶斯法假设：
BlueFishMan·2023-08-24 12:31

【机器学习实战】朴素贝叶斯：过滤垃圾邮件

【机器学习实战】朴素贝叶斯：过滤垃圾邮件0.收集数据这里采用的数据集是《机器学习实战》提供的邮件文件，该文件有ham和spam两个文件夹，每个文件夹中各有25条邮件，分别代表着正常邮件和垃圾邮件。
RanLZ·2023-08-24 06:22

Datawhale零基础入门NLP赛事 - Task1 赛题理解

赛题理解赛题名称：零基础入门NLP之新闻文本分类赛题目标：通过这道赛题可以引导大家走入自然语言处理的世界，带大家接触NLP的预处理、模型构建和模型训练等知识点。
AugBoost·2023-08-24 02:30

pytorch_pretrained_bert换成transformers踩坑

本文以文本分类为例叙述步骤1、前向传播时，pytorch_pretrained_bert是以下内容_,pooled=self.bert(context,token_type_ids=types,attention_mask
余俊晖·2023-08-23 11:18

NLP | 基于LLMs的文本分类任务

比赛链接：讯飞开放平台来源：DataWhaleAI夏令营3（NLP）Roberta-base（BERT的改进）①Roberta在预训练的阶段中没有对下一句话进行预测（NSP）②采用了动态掩码③使用字符级和词级别表征的混合文本编码。论文：https://arxiv.org/pdf/1907.11692.pdfDataWhaleTopline的改进：特征1：平均池化MeanPooling(768维)-
秋田刀鱼·2023-08-23 07:36

nlp系列（7）三元组识别（Bi-LSTM+CRF）pytorch

模型介绍在实体识别中：使用了Bert模型，CRF模型在关系识别中：使用了Bert模型的输出与实体掩码，进行一系列变化，得到关系Bert模型介绍可以查看这篇文章：nlp系列（2）文本分类（Bert）pytorch_bert
牧子川·2023-08-23 07:06

第7章：贝叶斯分类器

贝叶斯决策论贝叶斯分类器：使用贝叶斯公式贝叶斯学习：使用分布估计（不同于频率主义的点估计）极大似然估计朴素贝叶斯分类半朴素贝叶斯条件独立性假设，在现实生活中往往很难成立。
why151·2023-08-23 06:16

2019-12-05

[TOC]image一、朴素贝叶斯基础理论这部分内容转载自：https://www.kesci.com/home/project/5cededa67a818c002b6ec64a博主讲得很清晰，并介绍了
我就是唐大帅·2023-08-22 19:43

摘要提取文本的主流算法

其间，最常用的办法是支撑向量机（SVM）和朴素贝叶斯（NaiveBayes）算法。3:根据深度学习的办法：这种办法运用深度学习算
TG_laoying06·2023-08-22 11:56

【大模型】二 、大语言模型的基础知识

它们通常通过在大量文本数据上进行预训练，学习到语言的各种模式和结构，然后可以进行微调，以适应各种具体的任务，如文本分类、情感分析、问答系统等。这些模型在理解复杂的
IT界的小小小学生·2023-08-22 03:22

Hadoop：数值型数据的朴素贝叶斯分类

朴素贝叶斯分类器用在符号型数据上比较多，如何处理数值型数据能找到的资料比较少，《数据算法：Hadoop/Saprk大数据处理技巧》这本书简要介绍了如何处理数值型数据。
Zeabin·2023-08-21 20:30

2023实习面经

如果文本分类的标签有多个，比如一个文本同时属于多个label那怎么办？
无枒·2023-08-21 11:04

朴素贝叶斯小抄

概述优点：在数据较少的情况下仍然有效，可以处理多类别问题缺点：对于输入数据的准备方式较为敏感使用数据类型：标称型数据基于贝叶斯决策理论的分类方法假设现在有一个数据集，由两类数据组成，数据分布如下图所示。示例数据用p1(x,y)表示数据点(x,y)属于类别1的概率，用p2(x,y)表示数据点(x,y)属于类别2的概率。那么，对于一个新数据点，可以用下面的规则来判断类别：，则为类别1，则为类别2这就是
RossH·2023-08-21 09:45

[oneAPI] 使用Bert进行中文文本分类

[oneAPI]使用Bert进行中文文本分类Intel®OptimizationforPyTorch基于BERT的文本分类模型数据预处理数据集定义tokenize建立词表转换为Token序列padding
星码·2023-08-21 08:59

使用BERT做中文文本相似度计算与文本分类2018-11-29 18:37:53

https://blog.csdn.net/u012526436/article/details/84637834
dpjdrniu·2023-08-21 04:39

使用 Elasticsearch 轻松进行中文文本分类

本文记录下使用Elasticsearch进行文本分类，当我第一次偶然发现Elasticsearch时，就被它的易用性、速度和配置选项所吸引。
一个高效工作的家伙·2023-08-21 01:41

卡方校验

在文本分类的特征选择阶段中，我们主要关心一个问题：词条t与类别C是否相互独立1）相互独立，说明词条t对类别c完全
一心一意弄算法·2023-08-20 20:38

贝叶斯分类

贝叶斯分类取对数朴素贝叶斯当中油大量的乘法运算，两边同时取对数，计算结果不变，把计算结果存在哈希表当中，实际上转化为加法的问题。转换为权重在二分类的问题，转化为权重之后可以直接进行相减。
jenye_·2023-08-20 18:28

Neural Bag-of-Ngrams

其他的有关文本建模（句子和篇章）的论文，他们的注意力并不是集中在纯粹的文本建模上，而是在进行文本分类的时候，顺带的对文本进行了建模，用的方法基本上也都是深度学习，如DNN、RNN、CNN之类的。
jmuhe·2023-08-20 17:06

PyTorch翻译官网教程-TEXT CLASSIFICATION WITH THE TORCHTEXT LIBRARY

官网链接Textclassificationwiththetorchtextlibrary—PyTorchTutorials2.0.1+cu117documentation使用torchtext库进行文本分类在本教程中
poorCoder_·2023-08-20 15:08

文本分类实战-NLP

数据集及任务分析项目主题：新闻的主题分类，10分类任务一般对于NLP项目来说的话需要进行数据预处理的，但是由于本项目的数据是经过处理过的，所以就不需要进行数据预处理了，但是数据预处理对NLP项目是重中之重的。THUCNews文件夹train.txt（训练集）dev.txt(验证集)test.txt（测试集）class.txt文本任务的数据处理的基本流程分析step1：分词或分字step2：ID替换
coding_ksy·2023-08-20 15:21

python-transformers常用的pipline和常用模型介绍

transformers库提供了许多预训练模型和pipeline，可以用于各种自然语言处理任务，如文本分类、命名实体识别、情感分析、问答等。
liwulin0506·2023-08-19 23:07

NLP | 论文摘要文本分类

基于论文摘要的文本分类与关键词抽取挑战赛2023iFLYTEKA.I.开发者大赛-讯飞开放平台环境需求：Anaconda-JupyterNotebook，或者百度AIStudio赛题解析：【文本二分类任务
秋田刀鱼·2023-08-19 09:40

基于Python和Spacy的命名实体识别

Spacy是一个基于Python的开源自然语言处理库，提供广泛的功能，包括标记化、POS标签、句法分析、命名实体识别、文本分类等。
python慕遥·2023-08-19 01:28

医疗知识图谱问答——文本分类解析

前言Neo4j的数据库构建完成后，现在就是要实现医疗知识的解答功能了。因为是初版，这里的问题解答不会涉及深度学习，目前只是一个条件查询的过程。而这个过程包括对问题的关键词拆解分类，然后提取词语和类型去图数据库查询，最后就是根据查询结果和问题类型组装语言完成回答，那么以下就是完成这个过程的全部代码流程了。环境这里所需的环境除了前面提到的外，还需要ahocorasick库，用于从问题中提取关键词。另一
·2023-08-18 16:02

机器学习之分类模型

机器学习之分类模型概述分类模型逻辑回归最近邻分类朴素贝叶斯支持向量机决策树随机森林多层感知机基于集成学习的分类模型VotingBaggingStackingBlendingBoosting概述机器学习分类模型通过训练集进行学习
cv-player·2023-08-18 16:16

文本分类综述 | 迈向NLP大师的第一步（上）

NewBeeNLP，作者lucyNewBeeNLP永远有料，永远有趣NewBeeNLP公众号原创出品公众号专栏作者@lucy北航博士在读·文本挖掘/事件抽取方向本系列文章总结自然语言处理（NLP）中最基础最常用的「文本分类
科技州与数据州·2023-08-18 07:40

【AI实战】BERT 文本分类模型自动化部署之 dockerfile

【AI实战】BERT文本分类模型自动化部署之dockerfileBERTBERT文本分类模型基于中文预训练bert的文本分类模型针对多分类模型的loss函数样本不均衡时多标签分类时dockerfile编写
szZack·2023-08-17 19:48

朴素贝叶斯分类算法

朴素贝叶斯分类算法算法简介朴素贝叶斯是使用贝叶斯的条件概率来做分类判断的一种算法，具体的依据就是，对于二分类来说的话，如果p(y1|x1,x2)>p(y2|x1,x2)也就是在x1,x2同时发生的情况下
子龙爱弹琴·2023-08-17 10:29

NLP文本分类

NLP文本分类落地实战五大利器！
马良神笔·2023-08-17 09:19
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他