Django's blog

2015年1月15日

摘要：老套的搬用一下rsync的介绍，rsync是Linux系统下的数据镜像备份工具，从软件的命名上就可以看出来了——remote sync。rsync支持大多数的类Unix系统，无论是Linux、Solaris还是BSD上都经过了良好的测试。它的特性如下：1、可以镜像保存整个目录树和文件系统。2、可以很... 阅读全文

posted @ 2015-01-15 16:51 Django's blog 阅读(663) 评论(0) 推荐(0) 编辑

基于CRF序列标注的中文依存句法分析器的Java实现

摘要： http://www.hankcs.com/nlp/parsing/crf-sequence-annotation-chinese-dependency-parser-implementation-based-on-java.html这是一个基于CRF的中文依存句法分析器，内部CRF模型的特征函数采... 阅读全文

posted @ 2015-01-15 12:12 Django's blog 阅读(1647) 评论(0) 推荐(0) 编辑

千万级巨型汉语词库分享

摘要：算法+语料≈NLP这是一个六千万词汇量的分类词库，做HanLP这么久，我逐渐体会到，算法无法解决所有问题，词库也非常重要。通常一个算法可以解决80%的问题，剩下的20%无论怎么调节优化，都是拆东墙补西墙。比如上次我提到的“区人保”被HMM人名识别模块误命中的例子，这个词让HMM来看，“区”作为姓氏，... 阅读全文

posted @ 2015-01-15 12:09 Django's blog 阅读(2160) 评论(0) 推荐(2) 编辑

2015年1月14日

实战HMM-Viterbi角色标注地名识别

摘要： http://www.hankcs.com/nlp/ner/place-names-to-identify-actual-hmm-viterbi-role-labeling.html命名实体识别（Named Entity Recognition）也是自然语言处理中的一个难关，特别是中文这样没有大小写... 阅读全文

posted @ 2015-01-14 18:16 Django's blog 阅读(1222) 评论(0) 推荐(0) 编辑

CRF分词的纯Java实现

摘要：与基于隐马尔可夫模型的最短路径分词、N-最短路径分词相比，基于随机条件场（CRF）的分词对未登录词有更好的支持。本文（HanLP）使用纯Java实现CRF模型的读取与维特比后向解码，内部特征函数采用双数组Trie树(DoubleArrayTrie)储存，得到了一个高性能的中文分词器。CRF简介CRF... 阅读全文

posted @ 2015-01-14 17:50 Django's blog 阅读(1726) 评论(2) 推荐(1) 编辑

词性标注

摘要： http://www.hankcs.com/nlp/part-of-speech-tagging.html词性标注（Part-of-Speech tagging 或POS tagging)，又称词类标注或者简称标注，是指为分词结果中的每个单词标注一个正确的词性的程序，也即确定每个词是名词、动词、形容... 阅读全文

posted @ 2015-01-14 17:48 Django's blog 阅读(1099) 评论(0) 推荐(0) 编辑

HMM与分词、词性标注、命名实体识别

摘要： http://www.hankcs.com/nlp/hmm-and-segmentation-tagging-named-entity-recognition.htmlHMM（隐马尔可夫模型）是用来描述隐含未知参数的统计模型，举一个经典的例子：一个东京的朋友每天根据天气{下雨，天晴}决定当天的活动{... 阅读全文

posted @ 2015-01-14 17:15 Django's blog 阅读(1315) 评论(0) 推荐(0) 编辑

HTML字符实体（Character Entities），转义字符串（Escape Sequence）

摘要：为什么要用转义字符串？HTML中，&等有特殊含义（，用于链接签，&用于转义），不能直接使用。这些符号是不显示在我们最终看到的网页里的，那如果我们希望在网页中显示这些符号，该怎么办呢？这就要说到HTML转义字符串（Escape Sequence）了。转义字符串（Escape Sequence）也称字符... 阅读全文

posted @ 2015-01-14 12:19 Django's blog 阅读(858) 评论(0) 推荐(0) 编辑

常用正则表达式

摘要：正则表达式用于字符串处理、表单验证等场合，实用高效。现将一些常用的表达式收集于此，以备不时之需。用户名：/^[a-z0-9_-]{3,16}$/密码：/^[a-z0-9_-]{6,18}$/十六进制值：/^#?([a-f0-9]{6}|[a-f0-9]{3})$/电子邮箱：/^([a-z0-9_\.... 阅读全文

posted @ 2015-01-14 12:16 Django's blog 阅读(494) 评论(0) 推荐(0) 编辑

2015年1月7日

用Python开始机器学习（2：决策树分类算法）

摘要： http://blog.csdn.net/lsldd/article/details/41223147从这一章开始进入正式的算法学习。首先我们学习经典而有效的分类算法：决策树分类算法。1、决策树算法决策树用树形结构对样本的属性进行分类，是最直观的分类算法，而且也可以用于回归。不过对于一些特殊的逻辑分... 阅读全文

posted @ 2015-01-07 19:14 Django's blog 阅读(927) 评论(0) 推荐(0) 编辑

公告