1.緒論 過去幾年，深度神經網絡在模式識別中占絕對主流。它們在許多計算機視覺任務中完爆之前的頂尖算法。在語音識別上也有這個趨勢了。而中文文本處理，以及中文自然語言處理上，似乎沒有太厲害的 ...

目前對中文分詞精度影響最大的主要是兩方面：未登錄詞的識別和歧義切分。 據統計：未登錄詞中中文姓人名在文本中一般只占2%左右，但這其中高達50%以上的人名會產生切分錯誤。在所有的分詞錯誤中，與人 ...

8.最佳電影聚類分析 將使用電影簡介作為原始數據，將總共 100 部流行電影進行聚類分析。IMDb 也稱為互聯網電影數據庫（www.imdb.com），是一個在線的數據庫，它提供有關電影、電子游戲和 ...

緒論 最近做課題，需要分析短文本的標簽，在短時間內學習了自然語言處理，社會標簽推薦等非常時髦的技術。我們的需求非常類似於從大量短文本中獲取關鍵詞（融合社會標簽和時間屬性）進行用戶畫像。這一切的 ...

IEEE International Conference on Computer Vision, ICCV 2017, Venice, Italy, October 22-29, 2017. IEE ...

引言 今天在逛論文時突然看到信息熵這個名詞，我啪的一下就記起來了，很快啊！！這不是我大一第一節信息資源管理概論課講到的第一個專業名詞嗎，信息熵我可熟了，章口就來，信息熵是負熵 .......淦，負熵 ...

引言 其實最近挺糾結的，有一點點焦慮，因為自己一直都期望往自然語言處理的方向發展，夢想成為一名NLP算法工程師，也正是我喜歡的事，而不是為了生存而工作。我覺得這也是我這輩子為數不多的剩下的可以自己去 ...

6.文檔相似度分析 將嘗試分析文檔之間的相似度指出。到目前為止，相比已經知道了文檔的定義是可以由句子或文本段落組成的文本體。為了分析文檔相似度，將使用 utils 模塊的 build_feature ...

話說微博面世已經很久了，但對於微博信息的挖掘卻才剛剛起步，這其中的原因當然有信息挖掘的技術還不成熟，但我覺得主要問題還是在於中文信息處理的技術還處於萌芽的階段。中文語言本身信息量就很大， ...

5.詞項相似度分析 將從分析詞項相似度入手，或者更准確的說，將從分析單獨的單詞標識相似度入手。雖然詞項相似度分析沒有在實際應用中大量使用，但是仍可以作為理解文本相似度分析的一個很好的出發點。當然，一 ...