1回答
我有一堆twitter文本(大约70K)，大约有10K个单词。有些更少，有些更多。我已经创建了一个Keras架构来预测每个Twitter文本的5个值，我已经在这70K上进行了训练。然而，准确率(其定义如下:当所有相应的5个值都相差不超过10时发生pred1和pred2的匹配)是21% (21%的测试数据符合上述条件)。return predictions 在本例中，X只是一个字符串数组(文本)。它们可能有1000个单词，但大多数都在10K左右。y是我提
浏览 31提问于2021-07-26得票数 0
1回答
Andrew通过相互叠加递归层来讨论深度RNN体系结构。然而，他指出，由于结构中已经复杂的时间依赖计算，这些通常限制在2或3个递归层。但他补充说，人们通常会在这些递归层(如从a3<1>延伸出来的蓝色框)后面添加“一堆没有水平连接的深层层”。我想知道他是简单地说要把稠密的层堆在层叠的层层之上，还是更复杂呢？在Keras中是这样的：model.add(keras.layers.LSTM(100, return_sequences=True, batch_input_shape=(32, 1, input_shape), statef
浏览 0提问于2019-07-30得票数 1
1回答
我正在努力学习NLP。我理解从文本预处理到td-以色列国防军和字嵌入的基本概念.我如何应用这一学习？我有两个列的数据集:答案和性别。我想用NLP将答案列转换成向量，然后使用监督机器学习来训练一个模型，预测某一类型的答案是由男性还是女性给出的。我不知道如何处理后，我Pre_processed文本。
浏览 3提问于2022-02-04得票数 0
我知道我们应该创建Example对象并将其传递给nlp.update()方法。()方法的source code，似乎我们只是对输入文本进行标记，然后对标记进行注释。但是Example对象应该有引用/“黄金标准”和预测值。当我们调用nlp.make_doc()时，文档中的信息是如何结束的 此外，当尝试从Example对象获取预测的实体标记(使用经过训练的nlp管道)时，我没有得到任何实体(尽管如果我使用nlp(text)如果我
浏览 38提问于2021-02-08得票数 1
回答已采纳
1回答
我想要创建一个NLP自动编码器，它碰巧只生成符合诗意韵律的文本，例如，'iambic五音步‘。也就是说，输出应该是10个音节长的一系列从句，并以“duh-DUH DUH”的动词重音大声朗读。我能想到的唯一方法就是收集这种格式的文本行，然后在这些文件上训练一个自动编码器。由于网络在训练时只发出五步音符，所以在预测时也要发出五步音。如果有一个足够大的语料库，这看起来应该是可行的。为了将其他文本重写为IP，培训需要包括IP中文本的变化和训练(而不是IP语句)以发出(IP语句)。产生这
浏览 0提问于2019-02-03得票数 2
现在，我只能想到有一个巨大的Hashmap，其中的关键字是单词，而实际的单词或扩展是值。还有其他更好的方法来使用NLP来解决这个问题吗？
注意:我知道问题似乎太模糊了。但请不要报告。PS :是否有一个格式良好的文本列表，我可以下载和使用？放下来的链接是好的，但是当我复制和粘贴它时，它们不是一个容易解析的格式。
浏览 1提问于2015-02-27得票数 4
回答已采纳
1回答
对于在NLP任务中使用word嵌入这一领域，我还是比较陌生的。从大量的文档集中，我训练了word2vec词嵌入向量，然后结合基于RNN的分类器(LSTM，GRU)进行文档分类，这是目前比较成熟的一种标准分类方法。有一个问题:我们应该在文档分类培训期间更新单词嵌入。
在过去，我已经习惯了像图像分类/目标检测这样的任务。你得到一个图像输入，从该图像中提取的卷积特征在CNN的数值优化过程中被更新。如何处理文本文档世界中的嵌入向量？
浏览 0提问于2018-09-10得票数 5
1回答
基本编解码结构
、、、
基本的CNN或RNN和编码器解码器有什么区别？编码器和解码器是否需要满足某些特性？据我所知，编码器对另一个维度中的输入进行编码，并创建上下文向量。随后，该上下文向量被解码器解码。我是否应该在编码器中使用像word2vect这样的预定义词嵌入(如果我有文本作为输入)？
浏览 0提问于2018-03-09得票数 3
1回答
我正在寻找一个数据集，在那里我可以使用NLP技术来使用回归来估计目标值。例如，我可以给出一些描述事故的句子，目标值是事故的成本。Kaggle拥有相当多的NLP数据集，但据我所见，它们都用于分类。
浏览 0提问于2020-08-18得票数 0
1回答
在深度学习网络(CNN或RNN)中，我们可以使用单词嵌入(如FastText、Glove等)来表示输入文本。我的问题是：📷
有时我有几个长度大于150的句子，其余句子的平均长度是48。这里，我在一些在线实现中注意到，它们用" pad“字填充短句，以增加它们的大小，以达到最大句子的长度(图片中的红色空格)，其中这个衬垫字充满了一个随机值。这样做是否一个好做法？如果我的数据集包含5000条tw
浏览 0提问于2018-11-04得票数 0
我有一种算法，可以预测拼写错误的单词可能是正确的。我可以使用所有可能的正确单词预测正确的拼写在单词向量，以执行聚类对这些数据？
浏览 0提问于2019-06-14得票数 1
我正试图预测一篇文章或一篇文章将使用NN的数量。以下是我迄今所做的工作：
文字清理:删除html标签，停止词，标点符号等.在大多数NLP问题中，我注意到人们使用单词嵌入，但据我所理解，这是一种尝试预测文本中下一个单词的方法。学习单词嵌入
浏览 0提问于2020-08-02得票数 1
1回答
如何看待spacy值？
、、、
我试图从spacy模型中获得每个输出类的softmax预测值。当我在下面的代码中放置一个断点'preds‘并跳过管道，直到在NER模型管道组件上调用预测方法时，我可以看到从self._func(self, X, is_train=False)[0]
nlp = spacy.load('en_core_web_smdoc = nlp('Apple is l
浏览 1提问于2022-07-05得票数 2
回答已采纳
2回答
我正在研究各种NLP算法和工具来解决以下问题；这里是NLP新手，如果它太基础了，请原谅我的问题。
比方说，我有一个消息应用程序，用户可以向一个或多个人发送文本消息。如果用户"A“向用户"B”发送了大量关于“猫”的文本消息，向用户"C“发送了一些消息，并且向用户"D”发送了许多关于“政治”的消息，那么下次用户键入关于“猫”的消息时，应用程序应该建议"B“和"C”而不是所以我正在做一些关于主题建模和词嵌入的研究，发现LDA和Word2Vec是我可以使
浏览 1提问于2017-10-20得票数 1
2回答
我对机器学习和神经网络非常陌生。我用下面的模型来分析短文的情感。我通常理解信号是如何计算的，一直到输出层。现在我不明白的是输入是如何被找到的。当模型对一个单词进行分类时，如何将该单词转换为512输入单元？模型评估了这个词的哪些特征，这是如何决定的？ model.add(Dense(512, input_shape=(max_words,), activation='relu')) model.add(Dense(256, activation='sigmoid
浏览 2提问于2020-11-14得票数 1
回答已采纳
我有一个文本分类深度学习模型，它接收一个文本并输出一个softmax概率。我使用手套嵌入来表示DL模型的数字形式的输入文本。训练结束后，当我用看不见的文字做预测时，我会意识到只有一个关键词在预测中有着巨大的重要性。为了确保这种情况，我改变了输入文本，只包括那些关键字和软件概率或多或少相同。那么，我在我的模型中做了哪些改变，从嵌入技术到
浏览 0提问于2021-11-02得票数 2
回答已采纳
1回答
在Word2Vec中，我了解到CBOW和Skip-gram都会产生一个单热编码值来创建向量(cmiiw)，我想知道如何计算一个单热编码值或将其表示为实数向量，例如(来源：)：
请帮帮忙，我正在努力寻找这些信息
浏览 2提问于2017-08-06得票数 2
回答已采纳
它没有文档化，但很明显，下面的嵌入查找失败是因为TensorFlow错误地假设我的数据从0或1开始，但实际上它从1997年开始。我预计会有几个解决办法，但没有一个是很好的。还需要额外的代码来查找原始的有意义的值，这样您就可以理解正在查看的编码。
只需使用input_size=max(列)+1。这会导致太多的权重而无法毫无理由地进行训练，从而降低了预测性能并增加了训练时间。对于广泛使用分类嵌入的appli9cations来说，这可能是内存和时间的挑战，也是糟糕的预测性能。可悲的是，我发
浏览 1提问于2019-12-09得票数 0
我试着用个性洞察力来预测性格特征。在阅读API文档时，对API中的科学细节没有清楚地说明。
从文件中的个性洞察力API。
浏览 2提问于2020-09-19得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
