面向对象:想搭建智能问答系统、深度语义匹配的nlp选手。在自己亲手搭建一个之前,学习和走读优秀的框架代码是个不会错的选择。
AnyQ(ANswer Your Questions) :百度QA开源项目,主要包含面向FAQ集合的问答系统框架、文本语义匹配工具SimNet。
面向对象:想搭建智能问答系统、深度语义匹配的nlp选手。在自己亲手搭建一个之前,学习和走读优秀的框架代码是个不会错的选择。
AnyQ(ANswer Your Questions) :百度QA开源项目,主要包含面向FAQ集合的问答系统框架、文本语义匹配工具SimNet。
面向读者:nlp入门,python选手,对word embedding(词嵌入)有大概了解。
本文是基于doc2vec的一个关于延禧攻略剧情文本的小demo。doc2vev基于word2vec,它俩很像,使用方法也很像。有空再把原理补上。
面向读者:nlp入门学者,python选手
可能还没做过nlp的项目,就对 word embedding(词嵌入)有所耳闻。深度学习为什么那么火,其中之一是不用怎么操心前期数据清洗。在(深度)语义匹配里,进行embedding(嵌入)是进行深度学习的前一步。
背景:
Getting started,入门指南。
NLP,natural language processing,无非是对文本数据做处理,可应用于智能对话(聊天机器人,例如 Siri/小冰),智能问答(智能客服),机器翻译,搜索引擎(google),等等。本篇主要介绍入门资料去哪里找,以及学习内容的优先级排序。
面向读者:
kaggle 进阶者
优化器是机器学习中很重要的一个环节。当确定损失函数时,你需要一个优化器使损失函数的参数能够快速有效求解成功。优化器很大程度影响计算效率。越来越多的超参数调整是通过自动化方式完成,使用明智的搜索在更短的时间内找到最佳超参组合,无需在初始设置之外进行手动操作。
auto-sklearn: 基于sklearn/ AutoML 方向/ 免费自动机器学习服务/ GitHub开源/ 2.4k+ stars!!!⭐
适读人群:有机器学习算法基础
学完 Machine Learning,又要学 Auto Machine Learning🙄
这是我比较喜欢看的一类文章,也算是我的三观/ 价值观的年度总结。
24岁的我,喜欢清零,喜欢去推翻过去的自己,喜欢挣扎,喜欢折腾。
我搭建个人网站的初衷是因为: