TextCNN文本分类

支持向量机

支持向量机在许多领域都有广泛的应用，如文本分类、图像识别、生物信息学、金融预测等。支持向量机的应用：（1）文本分类：支持向量机可以用于文本分类任务，如垃圾邮件过滤、情感分析、主题分类等。
小森( ﹡ˆoˆ﹡ )·2024-02-05 10:24

【NLP入门教程】二、分词

分词在许多NLP任务中都有重要应用，如文本分类、情感分析和机器翻译等。2.2.1英文分词英文分词相对简单，因为单词之间通常由空格分隔。然而，仅仅依靠空格进行分词可能导致一些问题，如标点符号和缩写等。
晨星同行·2024-02-05 09:21

ChatGPT高效提问—基础知识（LM、PLM以及LLM）

这些模型属于自然语言处理领域中最强大、最先进的技术之列，并广泛用于各种NLP任务，例如文本生成、文本分类、情感分析和机器翻译等
Bruce_Liuxiaowei·2024-02-05 08:11

未来5年内，人工智能将彻底改变你的商业模式

2、在自然语言处理、对话系统、机器翻译、摘要生成、问题解答、文本分类等领域有广泛的应用，为用户提供了强大的语言交互和智能化的服务。构建和训练这些大模
郭靖守襄阳【软芯民用】·2024-02-04 09:52

有哪些流行的中文开源语言模型？

支持中文的流行开源语言模型有很多，这些模型在自然语言处理领域的中文任务上表现出色，包括文本分类、情感分析、机器翻译、问答系统等。以下是一些支持中文的流行开源语言模型：1.
qq_20984273·2024-02-04 06:41

举例说明自然语言处理（NLP）技术

以下是一些常见的NLP技术的例子：文本分类：将文本按类别进行分类，例如将电子邮件归类为垃圾邮件或非垃圾邮件。语音识别：将语音信号转换为文本，例如将语音命令转换为文字指令。
做一个AC梦·2024-02-04 04:26

NLP实践-文本分类（docker踩坑记录）

前述本篇记录来源于datawhale组织的组队学习活动，内容是中文预测训练模型泛化能力挑战赛，该比赛采用docker镜像的提交方式，提交打包好的代码镜像来运行得出预测结果。这次学习从学习怎么下载安装docker，还有docker的使用方式开始，满满的都是坑~一、WindowsDocker的安装对于Windows10家庭版系统，第一步需要确认windows10的版本，是否为2004或者更高版本。可以
撸猫摸鱼选手·2024-02-03 19:58

PyTrch深度学习简明实战33 - Transformer特征提取实现文本分类

importtorchimporttorchtext#pipinstalltorchdataimportnumpyasnpimporttorch.nnasnnimporttorch.nn.functionalasFfromtorch.utilsimportdatafromtorch.nnimportTransformerEncoder,TransformerEncoderLayer#处理文本的思路
薛东弗斯·2024-02-03 17:03

[每周一更]-(第86期)：NLP-实战操作-文本分类

NLP文本分类的应用场景医疗领域-病历自动摘要：应用：利用NLP技术从医疗文档中自动生成病历摘要，以帮助医生更快速地了解患者的状况。
ifanatic·2024-02-03 14:36

卷积神经网络

领域：在图像领域，NLP领域的文本分类、软件工程的数据挖掘中软件缺陷预测等问题上获得较优的效果卷积神经网络是一种层次模型，输入为元素数据：RGB图像，原始音频数据主要运算：1.卷积convonlution2
冉然_7236·2024-02-02 19:15

新书速览|PyTorch 2.0深度学习从零开始学

实战中文情感分类、拼音汉字转化、中文文本分类、拼音汉字翻译、强化学习、语音唤醒、人脸识别01本书简介本书以通俗易懂的方式介绍PyTorch深度学习基础理论，并以项目实战的形式详细介绍PyTorch框架的使用
全栈开发圈·2024-02-02 12:46

【NLP】使用Transformer模型进行文本分类

作者|EricFillion编译|VK来源|TowardsDataScience文本分类是NLP最常见的应用。与大多数NLP应用一样，Transformer模型近年来在该领域占据主导地位。
风度78·2024-01-31 19:12

基于多种CNN模型在清华新闻语料分类效果上的对比

该实验项目目录如图：1、模型1.1.TextCNN#coding:UTF-8importtorchimporttorch.nnasnnimporttorch.nn.functionalasFimportnumpyasnpclassConfig
伪_装·2024-01-31 18:22

TensorFlow2实战-系列教程10：RNN文本分类2

TensorFlow2实战-系列教程总目录有任何问题欢迎在下面留言本篇文章的代码运行界面均在JupyterNotebook中进行本篇文章配套的代码资源已经上传4、构建语料表构建语料表，基于词频来进行统计。比如我现在有一组数据有一万篇文章，这些文章中所有的词出现的次数进行统计，将所有不重复的词统计出来counter=Counter()withopen('./data/train.txt',encod
机器学习杨卓越·2024-01-31 07:18

TensorFlow2实战-系列教程11：RNN文本分类3

TensorFlow2实战-系列教程总目录有任何问题欢迎在下面留言本篇文章的代码运行界面均在JupyterNotebook中进行本篇文章配套的代码资源已经上传6、构建训练数据所有的输入样本必须都是相同shape（文本长度，词向量维度等）tf.data.Dataset.from_tensor_slices(tensor)：将tensor沿其第一个维度切片，返回一个含有N个样本的数据集，这样做的问题就
机器学习杨卓越·2024-01-31 07:18

TensorFlow2实战-系列教程12：RNN文本分类4

TensorFlow2实战-系列教程总目录有任何问题欢迎在下面留言本篇文章的代码运行界面均在JupyterNotebook中进行本篇文章配套的代码资源已经上传8、压缩版本网络模型classModel(tf.keras.Model):def__init__(self,params):super().__init__()self.embedding=tf.Variable(np.load('./voc
机器学习杨卓越·2024-01-31 07:40

网络信息检索（九）文本分类与文本聚类

文章目录一、文本分类和聚类概述1：文本分类概述2：文本聚类概述二、文本分类1：分类的学习算法2：使用相关反馈（Rocchio）3：最近邻学习算法4：贝叶斯理论三、文本聚类1：K-Means一、文本分类和聚类概述
Ordinary_yfz·2024-01-30 22:22

自然语言处理（NLP）技术使用

自然语言处理（NLP）技术使用以下是一些自然语言处理（NLP）技术的例子：以上只是一些NLP技术的例子，还有许多其他的技术和应用，如文本分类、文本生成、问答系统等。
数据科学与艺术的贺公子·2024-01-30 10:10

PaddleNLP的简单使用

它提供了一系列用于文本处理、文本分类、情感分析、文本生成等任务的预训练模型、模型组件和工具函数。PaddleNLP有统一的应用范式：通过paddlenlp.Taskflow调用，简捷易用。
J_bean·2024-01-30 10:06

TextCNN的复现

TextCNN的复现–pytorch的实现对于TextCNN的讲解，可以参考这篇文章ConvolutionalNeuralNetworksforSentenceClassification-知乎(zhihu.com
零戚·2024-01-30 09:47

LSTM进行情感分析

LSTM进行情感分析的复现–pytorch的实现关于TextCNN的复现参考本文章TextCNN的复现–pytorch实现-知乎(zhihu.com)接下来主要是对代码内容的详解，完整代码将在文章末尾给出
零戚·2024-01-30 09:12

机器学习算法实现刑事案件文本分类

因此，通过收集法律与犯罪领域文本，构建起司法领域语料库，使用自然语言处理技术进行挖掘，实现文本分类，并利用机器学习等技术实现对法律案件的预测具有重要意义。
deleteeee·2024-01-30 08:23

朴素贝叶斯原理分析及文本分类实战

朴素贝叶斯原理分析及文本分类实战1.什么是贝叶斯2.什么是朴素贝叶斯3.如何用朴素贝叶斯来进行文本分类问题1数据精度问题问题2log(0)得到负无穷问题4.程序设计1以单词为单位进行计数2以文本为单位进行计数
沪上小乔·2024-01-30 08:49

朴素贝叶斯(Naive Bayes)模型简介

朴素贝叶斯模型是一个简单却很重要的模型，在文本分类中，由于它出奇的简单实现和令人惊讶的表现，因此实际应用中，它都值得是第一个尝试的基准模型。本文接下来将从文本分类这个具体应用中介绍朴素贝叶斯模型。
Carl-Xie·2024-01-30 08:44

【已解决】RuntimeError: CUDA error: CUBLAS_STATUS_EXECUTION_FAILED when calling cublasLtMatmul

最近在用BERT训练文本分类，报错RuntimeError:CUDAerror:CUBLAS_STATUS_EXECUTION_FAILEDwhencallingcublasLtMatmul，百度一下都是
烫烫烫专家·2024-01-30 07:21

TensorFlow2实战-系列教程9：RNN文本分类1

TensorFlow2实战-系列教程总目录有任何问题欢迎在下面留言本篇文章的代码运行界面均在JupyterNotebook中进行本篇文章配套的代码资源已经上传1、文本分类任务1.1文本分类数据集构建：影评数据集进行情感分析
机器学习杨卓越·2024-01-30 07:56

基于BERT的文本分类——附-简单的示例代码

BERT通过在大规模文本语料上进行预训练，学习了深层次的语言表示，然后可以通过微调用于各种下游任务，包括文本分类。文本分类是一个常见的自然语言处理任务，它涉及将文本分为不同的类别或标签。
技术宅学长·2024-01-29 18:54

自然语言处理发展(自然语言处理发展经历了哪些阶段)

此后，人们开始尝试使用统计学习方法来解决NLP中的一些关键问题，例如机器翻译和文本分类等。到了2000年代，随着深度学习和神经网络技术的发展，NLP进一步获得
2301_76571514·2024-01-29 14:25

bert新闻标题分类

使用bert完成文本分类任务，数据有20w，来自https://github.com/649453932/Bert-Chinese-Text-Classification-Pytorch/tree/master
木下瞳·2024-01-29 08:14

BERT各个场景实例代码

https://xw.qq.com/cmsid/20210211A09EA700BERT中文任务实战(文本分类、预测下一句)踩坑记录https://blog.csdn.net/whuty1304/article
火星种萝卜·2024-01-29 08:40

NPL-FastText文本分类Bag of Tricks for Efficient Text Classification

这是一个简单有效的文本分类算法优势：可以在排序限制、低损失近似值下以10Min极短的时间训练出百万级的模型架构：整体与cbow类似:cbow根据上下文推测某个单词出现的最大概率对基于词袋bow的句子文本进行一个简单和有效的线性分类该分类可以选择逻辑回归或者
机器不能学习·2024-01-29 04:15

自然语言处理（NLP）领域的应用和发展历程

从简单的文本分类到复杂的机器翻译，NLP技术正在不断突破，为人工智能领域带来更多可能性。本文将简要介绍自然语言处理技术的最新进展，并探讨其在搜索引擎、语音助手、机器翻译等领域的应用。
白话Learning·2024-01-28 17:47

文本分类识别系统Python+卷积神经网络算法+TensorFlow+Django网页界面

一、介绍文本分类系统，使用Python作为主要开发语言，通过选取的中文文本数据集（“体育类”,“财经类”,“房产类”,“家居类”,“教育类”,“科技类”,“时尚类”,“时政类”,“游戏类”,“娱乐类”）
　子午·2024-01-28 11:12

kashgari的Python项目-NLP框架(实体识别（NER）、词性标注（PoS）和文本分类任务)

简单而强大的NLP框架，在5分钟内为命名实体识别（NER）、词性标注（PoS）和文本分类任务构建最新模型喀什是：人性化。喀什噶尔的代码是直截了当的，有很好的文档和测试，这使得它非常容易理解和修改。
javastart·2024-01-28 05:50

计算机毕业设计选题参考 算法方向机器学习深度学习预测（博文底部xv获取）

模型的细胞图像分割检测基于bert的旅游文本情感分析研究基于bert的经济文本情感分析基于PythonOpenCV的车牌定位追踪识别系统医学图像识别：基于卷积神经网络的病癌细胞识别基于word2vec+textcnn
mqdlff_python·2024-01-27 15:10

NLP新手入门-第N2周：中文文本分类-Pytorch实现

数据预处理1.加载数据2.构建词典3.生成数据批次和迭代器三、模型构建1.搭建模型2.初始化模型3.定义训练与评估函数四、训练模型1.拆分数据集并运行模型2.测试指定数据一、课题背景和开发环境第N2周：中文文本分类
Oaix Nay·2024-01-27 12:19

pytorch 实现中文文本分类

本文为[365天深度学习训练营学习记录博客参考文章：365天深度学习训练营原作者：[K同学啊|接辅导、项目定制]\n文章来源：[K同学的学习圈子](https://www.yuque.com/mingtian-fkmxf/zxwb45)importtorchimporttorch.nnasnnimporttorchvisionfromtorchvisionimporttransforms,data
风筝超冷·2024-01-27 12:44

人工智能的未来展望：自然语言处理（NLP）与计算机视觉（CV）

NLP的任务包括但不限于文本分类、情感分析、问答系统、机器翻译等。CV（计算机视觉）则专注于让计算机能够理解和处理图像和视频。CV的主要任务包括图像
wd90119·2024-01-27 09:15

互联网加竞赛 基于深度学习的中文情感分类 - 卷积神经网络 情感分类 情感分析 情感识别 评论情感分类

文章目录1前言2情感文本分类2.1参考论文2.2输入层2.3第一层卷积层：2.4池化层：2.5全连接+softmax层：2.6训练方案3实现3.1sentence部分3.2filters部分3.3featuremaps
Mr.D学长·2024-01-27 09:25

使用spark mllib训练中文文本分类器的

importorg.apache.spark.mllib.classification.NaiveBayesimportorg.apache.spark.mllib.feature.HashingTFimportorg.apache.spark.mllib.linalg.Vectorsimportorg.apache.spark.sql.functions._objectChineseTextCl
DreamNotOver·2024-01-27 07:45

[源码和文档分享]Python实现的基于SVM、LR、GBDT和决策树算法进行垃圾短信识别和分类

针对该问题，我们基于垃圾短信的文本内容，将文本分类算法应用到垃圾短信的
ggdd5151·2024-01-26 23:03

BERT-文本分类&NER

BERT文本分类训练样本训练数据：18W条评估数据：1W条测试数据：1W条体验2D巅峰倚天屠龙记十大创新概览860年铁树开花形状似玉米芯(组图)5同步A股首秀：港股缩量回调2中青宝sg现场抓拍兔子舞热辣表演
poins·2024-01-26 18:09

Python NLP:自然语言入门（Python和Java）

它涉及将自然语言文本转换为计算机可以理解和处理的形式，以实现各种任务，如文本分类、情感分析、机器翻译等。Python和Java都是常用的编程语言，都有丰富的库和工具用于NLP任务。
独木人生·2024-01-26 17:54

TensorFlow Lite中文本分类在Android上的实践

#1TensorflowLiteTensorFlowLite(后续简称TFL)是Google开发的一个用于移动设备和嵌入式设备的开源库，旨在为移动终端设备提供机器学习推断。它是TensorFlow框架的轻量级版本，专门优化了模型的大小和性能，以适应资源受限的移动设备和嵌入式系统。TFL提供了一种在移动设备上运行TensorFlow模型的轻量级解决方案。它提供了一个执行模型推断的运行时引擎，允许开发
GodLieke·2024-01-26 16:19

基于中文垃圾短信数据集的经典文本分类算法实现

本文基于中文垃圾短信数据集，分别对比了朴素贝叶斯、逻辑回归、随机森林、SVM、LSTM、BiLSTM、BERT七种文本分类算法的垃圾短信分类效果。
fufufunny·2024-01-25 22:54

使用Python和PyTorch库构建一个简单的文本分类大模型：

在当今的大数据时代，文本分类任务在许多领域都有着广泛的应用，如情感分析、垃圾邮件过滤、主题分类等。为了有效地处理这些任务，我们通常需要构建一个强大的文本分类模型。
GT开发算法工程师·2024-01-25 05:57

解锁 AI 潜力 | 使用 GreptimeAI 深入观测 OpenAI 行为和用量

它在多种语言处理任务上表现卓越，包括机器翻译、文本分类和文本生成等。
Greptime·2024-01-25 03:42

GreptimeAI + Xinference 联合方案：高效部署并监控你的 LLM 应用

它在多种语言处理任务上表现卓越，包括机器翻译、文本分类和文本生成等方面。
Greptime·2024-01-25 03:10

BERT文本分类——基于美团外卖评论数据集

一.BERT模型介绍BERT的全称为BidirectionalEncoderRepresentationfromTransformers，是一个预训练的语言表征模型。它强调了不再像以往一样采用传统的单向语言模型或者把两个单向语言模型进行浅层拼接的方法进行预训练，而是采用新的maskedlanguagemodel（MLM），以能生成深度的双向语言表征。BERT论文发表时提及在11个NLP（Natur
MatpyMaster·2024-01-25 03:37

【论文阅读】LLM-to-LM Interpreter for Enhanced Text-Attributed Graph Representation Learning

文章目录0、基本信息1、研究动机2、创新点3、准备3.1、文本属性图3.2、语言模型用于文本分类3.3、大语言模型和提示3.4、结点分类4、方法论4.1、生成基于LLM的预测和解释4.2、LM解释器的微调与节点特征提取
鲸可落·2024-01-24 10:39
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他