随笔分类 - keras
摘要：说明：最近一直在做关系抽取的任务，此次仅仅是记录一个实用的简单示例 参考https://www.cnblogs.com/jclian91/p/12301056.html 参考https://blog.csdn.net/asialee_bird/article/details/102747435 im
阅读全文
摘要：仅仅作个记录。 文本生成想学习可以了解一下GPT2-Chinese 地址：https://github.com/Morizeyao/GPT2-Chinese 数据地址：https://github.com/wb14123/couplet-dataset/releases/download/1.0/c
阅读全文
摘要：什么是文本分类 给模型输入一句话，让模型判断这句话的类别（预定义）。 以文本情感分类为例 输入：的确是专业，用心做，出品方面都给好评。输出：2输出可以是[0,1,2]其中一个，0表示情感消极，1表示情感中性，2表示情感积极。 数据样式 网上应该能找到相关数据。 模型图 训练过程 仅仅作为测试训练一轮
阅读全文
摘要：NLP四大任务：序列标注（分词，NER），文本分类（情感分析），句子关系判断（语意相似判断），句子生成（机器翻译） 什么是序列标注 以命名实体识别为例，识别一句话中的人名地名组织时间等都属于序列标注问题。NER 的任务就是要将这些包含信息的或者专业领域的实体给识别出来 示例 句子：[我在上海工作]t
阅读全文
摘要：参考keras官网 1 from keras import layers 2 import keras 3 import numpy as np 4 5 inputs = keras.Input(shape=(32, 32, 3), name="img") 6 x = layers.Conv2D(3
阅读全文
摘要：参考 keras官网 问题描述：通过模型对故障单按照优先级排序并制定给正确的部门。 输入： 票证的标题（文本输入）， 票证的文本正文（文本输入），以及 用户添加的任何标签（分类输入） 输出： 优先级分数介于0和1之间（sigmoid 输出），以及 应该处理票证的部门（部门范围内的softmax输出）
阅读全文
