cs_暗流

摘要： 一、信息提取模型 信息提取的步骤共分为五步，原始数据为未经处理的字符串，第一步：分句，用nltk.sent_tokenize(text)实现,得到一个list of strings第二步：分词，[nltk.word_tokenize(sent) for sent in sentences]实现... 阅读全文

摘要： 对模型的评价是在test set上进行的，本文首先介绍测试集应该满足的特征，然后介绍四种评价方法。 一、测试集的选择 1、首先，测试集必须是严格独立于训练集的，否则评价结果一定很高，但是虚高，不适用于新案例。 2、如果分类的类别比较少，比如只有两个，而且每类的样本数大致相等，那100个样本... 阅读全文

摘要： 选择合适的特征（features）对机器学习的效率非常重要。特征的提取是一个不断摸索的过程（trial-and-error），一般靠直觉来发现哪些特征对研究的问题是相关的。 一种做法是把你能想到的所有特征都加进去，然后再检查哪个特征是重要的（参考资料上说这叫"kitchen sink" app... 阅读全文

摘要： 从今天起开始写自然语言处理的实践用法，今天学了文本分类，并没用什么创新的东西，只是把学到的知识点复习一下性别识别（根据给定的名字确定性别） 第一步是创建一个特征提取函数（feature extractor）：该函数建立了一个字典，包含给定姓名的有关特征信息。>>> def gender_fea... 阅读全文

摘要： 第一篇技术博客，写下来和大家分享今天所学，其次自己也巩固一下。 整个下午的时间用来钻研如何用cordova调用移动端本地SQLite数据库。首先我并不是用eclipse来编程的，而是用cordova建立project后直接用notepad编辑www下的index文件。一、cordova的下载安... 阅读全文