06 2020 档案
摘要：Extracting keywords from texts has become a challenge for individuals and organizations as the information grows in complexity and size. The need to a
阅读全文
摘要：def count_factors(): n = int(input('input the num:')) num = n res = [] while n > 1: for i in range(2, n+1): if n % i == 0: n = int(n/i) res.append(i)
阅读全文
摘要：资料来源：https://www.cnblogs.com/Luv-GEM/p/10884493.html TextRank算法源自于PageRank算法。PageRank算法最初是作为互联网网页排序的方法，经过轻微地改动，可以被应用于文本摘要领域。 本文分为两部分，第一部分介绍TextRank做文本
阅读全文
摘要：（1）为什么残差学习的效果会如此的好？与其他论文相比，深度残差学习具有更深的网络结构,此外，残差学习也是网络变深的原因？为什么网络深度如此的重要？ 解：一般认为神经网络的每一层分别对应于提取不同层次的特征信息，有低层，中层和高层，而网络越深的时候，提取到的不同层次的信息会越多，而不同层次间的层次信息
阅读全文
摘要：（1）Gaussian 满足mean=0，std=1的高斯分布x∼N(mean，std2) （2）Xavier 满足x∼U(−a,+a)x∼U(−a,+a)的均匀分布， 其中 a = sqrt(3/n) （3）MSRA 满足x∼N(0,σ2)x∼N(0,σ2)的高斯分布，其中σ = sqrt(2/n
阅读全文
摘要：#!/usr/bin/env python # -*- coding: utf-8 -*- # author：ShidongDu time:2020/6/3 import time import pandas as pd import re # 结点类 class node: def __init_
阅读全文
摘要：ner(命名实体识别)一般是词典和模型方式结合，词典负责已有词识别，模型负责未知词识别。 在不需发现未知词的情况下基于词典的实体识别已足够 基于字典的ner也有两种做法：字符串多模匹配 和 切词(词典加入自定义词库) 字符串多模匹配多模匹配有两种基本算法：trie树 和 记录长度集合的最长匹配 tr
阅读全文
摘要：python 实现 def edit_distance(word1, word2): len1 = len(word1) len2 = len(word2) dp = np.zeros((len1 + 1,len2 + 1)) for i in range(len1 + 1): dp[i][0] =
阅读全文
摘要：点互信息算法（PMI） 基本思想：是统计两个词语在文本中同时出现的概率，如果概率越大，其相关性就越紧密，关联度越高。 PMI > 0；两个词语是相关的；值越大，相关性越强。 PMI = 0；两个词语是统计独立的，不相关也不互斥。 PMI < 0；两个词语是不相关的，互斥的。 从概率思想理解： 如果两
阅读全文