喵改

摘要： 简单的机器学习实验 阅读全文

摘要： 首先不需要关心HTML格式文件具体是什么内容（电子病历还是其他网页啥的），这篇主要内容是介绍如何用Python批量处理HTML格式文件、TXT格式文件，以及Python字典列表导出到EXCEL的一种解决方法。 我的原始数据是200+条HTML格式的入院记录 如上图所示，我关心的内容都在这些P标签里面 阅读全文

摘要： 1、文本预处理技术 分词：前向/后向最大匹配（max_len=5~10）有一个词典，基于匹配规则的方法，尽量匹配更多的字符。缺点：局部最优，歧义。考虑语义HMM,CRF...... 拼写纠错：编辑距离（一次insert\delete\replace），先生成编辑距离为1、2的字符串再过滤，返回最可能 阅读全文

摘要： 由于疫情学校还不让回去，只能在家对着这台笔记本折腾，搭建环境就要了我半条命，虽然网上有好多傻瓜级教程，也覆盖不了每个人会遇到的各种各样的情况，小白有许多问号，或许是很简单的问题，可没人指导就是弱小无助又委屈。 回顾一下这曲折坎坷的经历。我为了学python直接下载了python3.8，用它自带的ID 阅读全文

摘要： 一、标记化（Tokenization） 将文本切分成词 二、去停用词（Stop words） 停用词指的是一些出现很多却没啥实义的如介词、连词、冠词“and”、“the”、“a”等 三、词干（Stemming） 将单词还原为词根形式，目的是将因上下文拼写略有不同，但含义相同的单词缩减为相同的标记来统 阅读全文

摘要： 汉语中句子以字为单位的，但语义理解仍是以词为单位，所以也就存在中文分词问题。主要的技术可以分为：规则分词、统计分词以及混合分词（规则+统计）。 基于规则的分词是一种机械分词，主要依赖于维护词典，在切分时将与剧中的字符串与词典中的词进行匹配。主要包括正向最大匹配法、逆向最大匹配法以及双向最大匹配法。 阅读全文

摘要： 自然语言处理（Natural Language Processing，NLP）是计算机科学领域与人工智能领域中的一个重要方向。简单点说就是怎样让计算机能够理解人类的语言，以执行如机器翻译、文本分析、情感分析等任务。 自然语言处理是人工智能领域比较火热的方向，本人决定入坑是因为听那个谁说，这个方向对数 阅读全文