- 博客(8)
- 收藏
- 关注
RSS订阅原创 基于Attention Model的Aspect level文本情感分类---用Python+Keras实现
1、关于aspect level的情感分析给定一个句子和句子中出现的某个aspect，aspect-level 情感分析的目标是分析出这个句子在给定aspect上的情感倾向。Aspect level的情感分析相对于document level来说粒度更细。
2016-12-27 17:49:02
12713
10
原创 win10+64位 安装Theano并实现GPU加速
一.安装Anaconda我使用的Anaconda是对应的python2.7 配置环境变量：用户变量中的path变量（如果没有就新建一个），在后边追加C:\Anaconda;C:\Anaconda\Scripts; 不要漏掉分号，此处根据自己的Anaconda安装目录填写。二.安装MinGw打开cmd, 输入conda install mingw libpython，然后回车，会出现安装进度。
2016-11-23 23:01:55
715
1
原创 文本分类的python实现-基于Xgboost算法
描述训练集为评论文本，标签为 pos,neu,neg三种分类，train.csv的第一列为文本content，第二列为label。python的xgboost包安装方法，网上有很多详细的介绍参数XGBoost的作者把所有的参数分成了三类：1、通用参数：宏观函数控制。2、Booster参数：控制每一步的booster。3、学习目标参数：控制训练目标的表现。
2016-10-29 22:31:40
8582
11
原创 文本分类的python实现-基于SVM算法
描述训练集为评论文本，标签为 pos,neu,neg三种分类，train.csv的第一列为文本content，第二列为label。可以单独使用SVC训练然后预测，也可以使用管道pipeline把训练和预测放在一块。SVC的惩罚参数C：默认值是1.0。C越大，对误分类的惩罚增大，趋向于对训练集全分对的情况，这样对训练集测试时准确率很高，但泛化能力弱。C值小，对误分类的惩罚减小，允许容错，泛化能力较
2016-10-29 20:59:27
20992
22
原创 词性标注的python实现-基于平均感知机算法
平均感知机算法（Averaged Perceptron）感知机算法是非常好的二分类算法，该算法求取一个分离超平面，超平面由w参数化并用来预测，对于一个样本x，感知机算法通过计算y = [w,x]预测样本的标签，最终的预测标签通过计算sign(y)来实现。算法仅在预测错误时修正权值w。 平均感知机和感知机算法的训练方法一样，不同的是每次训练样本xi后，保留先前训练的权值，训练结束后平均所有权值。
2016-10-06 16:43:37
5248
1
原创 中文分词的python实现-基于HMM算法
隐马尔科夫模型（HMM）模型介绍HMM模型是由一个“五元组”组成:StatusSet: 状态值集合ObservedSet: 观察值集合TransProbMatrix: 转移概率矩阵EmitProbMatrix: 发射概率矩阵InitStatus: 初始状态分布
2016-09-29 23:44:55
13343
22
原创 中文分词的python实现-基于FMM算法
正向最大匹配算法（FMM）正向最大匹配算法（FMM）是一种基于词典的分词方法，思想很简单就是从左向右扫描寻找词的最大匹配，比如词典中同时含有“钓鱼”和“钓鱼岛”，那“钓鱼岛属于中国”就会被分词成“钓鱼岛/属于/中国”
2016-09-28 19:44:05
5444
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人