02 2018 档案

国内知名的自然语言处理(NLP)团队
摘要：工业界 腾讯人工智能实验室（Tencent AI Lab） 百度自然语言处理（Baidu NLP）：对外提供了百度AI开放平台，王海峰（现任百度副总裁，AI技术平台体系AIG总负责人） 微软亚洲研究院自然语言计算组（Natural Language Computing - Microsoft Res 阅读全文
posted @ 2018-02-27 17:25 焦距 阅读(2442) 评论(0) 推荐(0) 编辑
Familia：百度NLP开源的中文主题模型应用工具包
摘要：参考：Familia的Github项目地址、百度NLP专栏介绍 Familia 开源项目包含文档主题推断工具、语义匹配计算工具以及基于工业级语料训练的三种主题模型：Latent Dirichlet Allocation(LDA)、SentenceLDA 和Topical Word Embedding 阅读全文
posted @ 2018-02-27 13:53 焦距 阅读(831) 评论(0) 推荐(0) 编辑
基于TextRank提取关键词、关键短语、摘要
摘要：一、TextRank原理 TextRank是一种用来做关键词提取的算法，也可以用于提取短语和自动摘要。因为TextRank是基于PageRank的，所以首先简要介绍下PageRank算法。 1. PageRank算法 PageRank设计之初是用于Google的网页排名的，以该公司创办人拉里·佩奇（ 阅读全文
posted @ 2018-02-23 15:45 焦距 阅读(3332) 评论(0) 推荐(0) 编辑
【中文同义词近义词】词向量 vs 同义词近义词库
摘要：方案一：利用预训练好的词向量模型 优点： （1）能把词进行语义上的向量化（2）能得到词与词的相似度 缺点： （1）词向量的效果和语料库的大小和质量有较大的关系（2）用most_similar() 得到往往不是“同义词”，而是“共现词” 方案二：同义词近义词库 比较经典的是哈工大社会计算与信息检索研究 阅读全文
posted @ 2018-02-11 14:39 焦距 阅读(4412) 评论(0) 推荐(0) 编辑
Linux下打开windows中文文本乱码问题
摘要：1. 查看文件的编码方式：file命令 但是file命令不太可靠, 一个gb2312编码的文件被判断为ISO-8859 2. 在gedit用指定的编码方式打开文件 打开gedit, 然后File => Open => 左下角的Character Encoding的右边有个下拉列表，选择Add or 阅读全文
posted @ 2018-02-09 20:41 焦距 阅读(1092) 评论(0) 推荐(0) 编辑
[Linux] find文件查找和grep文件内容查找
摘要：在使用linux时，经常需要进行文件查找。其中查找的命令主要有find和grep。两个命令是有区别的： (1)find命令：根据文件的属性进行查找，如文件名，文件大小，所有者，所属组，是否为空，访问时间，修改时间等。 (2)grep命令：根据文件的内容进行查找，会对文件的每一行按照给定的模式(pat 阅读全文
posted @ 2018-02-05 12:09 焦距 阅读(3115) 评论(0) 推荐(0) 编辑
[Linux] 复制文件夹下指定创建时间的文件
摘要：暂时不知道什么命令可以达到这个目标，目前的方法是分步进行： 首先，找出指定创建时间内的文件名 例如在imgs文件夹中，找出创建时间在一天内的文件 然后将这些文件复制到指定的imgs_feb1st文件夹 关于获取文件的创建时间、更改时间等参考： https://zhidao.baidu.com/que 阅读全文
posted @ 2018-02-01 18:02 焦距 阅读(1216) 评论(0) 推荐(0) 编辑