摘要： 理解 在我们阅读一篇文章的时候，需要明确文章的类别（体育类、新闻类）、内容以及中心思想。通常情况下，一篇文章可能包含多个主题，比如在介绍一座城市的时候，可能会从历史、经济、政治、教育、交通等多个方面做介绍。LDA 正是一种自动分析每篇文档，统计文档中的词语，根据统计的信息判断文档包含哪些主题以及各个 阅读全文

摘要： 历史 相关概念 概率密度函数： 概念 狄利克雷分布（Dirichlet Distribution）是概率统计学中的一个概率分布，通常用于描述多维度的随机变量。 通俗点，当我们谈论多维度的随机变量时，我们指的是一个包含多个随机事件或可能性的情况。每个维度代表一个不同的事件或可能性，而整个多维度空间表示 阅读全文

摘要： 摘要模型分为两种 提取式摘要模型： 提取式摘要模型不生成新的文本，而是从原始文本中选择或提取现有句子、段落或短语，以创建摘要。 这些模型通过评估文本中的句子的相关性、重要性或其他特征来选择最相关的部分，以构建摘要。 提取式摘要通常更易实现，因为它不涉及文本生成，而是依赖于选择和筛选原始文本的一部分。 阅读全文

摘要： 原来NLP也有模型，用pytorch、tensorflow等训练出来的 摘要模型、分类模型等等 https://huggingface.co/models 阅读全文

摘要： 什么是词性标注 自然语言处理（NLP）中的词性标注（Part-of-Speech Tagging，简称POS Tagging）是文本处理的一项重要任务，其目标是为给定的文本中的每个单词或标记分配一个词性标签，表示该单词在句子中的语法角色和词性类别。这些标签通常用于分析文本的语法结构和语义含义，有助于 阅读全文

摘要： 文本分类是自然语言处理（NLP）领域中的一项任务，它涉及将文本文档分配到一个或多个预定义的类别或标签中。其主要目标是使用计算机算法来自动识别和归纳文本的内容，以便更好地组织、检索和理解大量的文本数据。文本分类在许多应用中都有广泛的用途，包括： 情感分析： 将文本分为积极、消极或中性情感，以了解人们对 阅读全文

摘要： NLP代表自然语言处理（Natural Language Processing），是人工智能（AI）的一个子领域，专注于计算机与人类语言之间的交互。NLP的目标是使计算机能够以有意义和有用的方式理解、解释和生成人类语言。该领域涵盖了广泛的任务和应用，包括： 文本分类 文本分类是自然语言处理（NLP） 阅读全文

摘要： 生成对抗网络（GAN）是一种深度学习模型架构，由生成器（Generator）和判别器（Discriminator）两个神经网络组成。这两个网络之间进行博弈式训练。 生成器（Generator）：生成器是一个神经网络模型，它接收一个随机噪声向量作为输入，并试图生成与训练数据相似的新数据样本。生成器的目 阅读全文

摘要： 表达组（expression profile）是指在一个生物体或细胞中的所有基因在特定时间和条件下的表达情况的总和。表达组研究的主要目标是了解基因的表达模式，特别是哪些基因在不同条件下的表达水平发生了变化。 其实就是mRNA分子被细胞中的核糖体（ribosome）解读，根据mRNA上的核酸序列合成蛋 阅读全文

摘要： 转录组是指一个生物体内的所有转录本（RNA分子），也就是所有基因在特定时间和条件下的表达情况。转录组研究的目的是了解在特定生物样本中哪些基因被转录成RNA，以及它们的相对表达水平。 一个典型的转录组研究通常包括以下方面的内容： RNA提取： 从生物样本（通常是细胞或组织样本）中提取总RNA。总RNA 阅读全文