上一页 1 ··· 66 67 68 69 70 71 72 73 74 ··· 107 下一页
摘要: Deep learning with word embeddings 论文阅读笔记1.将三个模型进行了对比: i)LSTM-CRF(tagger-master); ii)使用通用特征集的CRF+词嵌入向量 ; iii)对每个类的特定实体NER方法。 2.基线模型 2.1CRF模型 CRFSuite: 阅读全文
posted @ 2019-04-18 15:10 lypbendlf 阅读(156) 评论(0) 推荐(0) 编辑
摘要: 转自:https://blog.csdn.net/business122/article/details/7541486 1.python的set和其他语言类似, 是一个无序不重复元素集, 基本功能包括关系测试和消除重复元素. 集合对象还支持union(联合), intersection(交), d 阅读全文
posted @ 2019-04-18 11:22 lypbendlf 阅读(172) 评论(0) 推荐(0) 编辑
摘要: 1.使用tagger&wikipedia-pubmed-and-PMC-w2v词向量 Loading pretrained embeddings from ../.local/lib/python3.5/site-packages/neuroner/data/word_vectors/wikiped 阅读全文
posted @ 2019-04-17 16:12 lypbendlf 阅读(260) 评论(0) 推荐(0) 编辑
摘要: 转自:https://max.book118.com/html/2019/0119/7016030160002002.shtm 阅读全文
posted @ 2019-04-17 14:03 lypbendlf 阅读(256) 评论(0) 推荐(0) 编辑
摘要: 转自:https://baike.baidu.com/item/%E5%B8%83%E5%B0%94%E7%BD%91%E7%BB%9C 1.定义 布尔网络模型(Boolean Network,BN)最初是由Kauffman等提出,它是一种 以有向图为基础的离散系统。 在布尔网络中,每个节点只有两种 阅读全文
posted @ 2019-04-16 19:29 lypbendlf 阅读(891) 评论(0) 推荐(0) 编辑
摘要: 转自:https://blog.csdn.net/u011684265/article/details/78024064 但是运行出错: 所以使用 阅读全文
posted @ 2019-04-11 21:25 lypbendlf 阅读(1447) 评论(0) 推荐(0) 编辑
摘要: 1.已训练好的词向量 //自己训练词向量需要对应领域非常大的文本库,收集处理过程是很费时的,所以使用已有的资源即可。 1.1生物方面:http://bio.nlplab.org/ 这里的词向量是使用word2vec工具在PubMed和PMC上文本生成的。 下载链接:http://evexdb.org 阅读全文
posted @ 2019-04-09 20:21 lypbendlf 阅读(509) 评论(0) 推荐(0) 编辑
摘要: 转自:https://keras.io/zh/getting-started/sequential-model-guide/ 1.顺序模型是多个网络层的线性堆叠。 你可以通过将网络层实例的列表传递给 Sequential 的构造器,来创建一个 Sequential 模型: from keras.mo 阅读全文
posted @ 2019-04-08 19:41 lypbendlf 阅读(345) 评论(0) 推荐(0) 编辑
摘要: 转自:https://www.jianshu.com/p/bb5cc438e3b2 1.内置函数isinstance(object, (type1,type2...)) 返回True or False。 2.使用内置函数type(object) type返回值属于type类型 阅读全文
posted @ 2019-04-08 13:02 lypbendlf 阅读(227) 评论(0) 推荐(0) 编辑
摘要: 源码:https://github.com/keras-team/keras/blob/master/examples/imdb_bidirectional_lstm.py 及keras中文文档 1.imdb数据集 数据集来自 IMDB 的 25,000 条电影评论,以情绪(正面/负面)标记。评论已 阅读全文
posted @ 2019-04-08 12:56 lypbendlf 阅读(2807) 评论(0) 推荐(0) 编辑
上一页 1 ··· 66 67 68 69 70 71 72 73 74 ··· 107 下一页