2019年3月3日

摘要: 论文名和编号 摘要/引言 相关背景和工作 论文方法/模型 实验(数据集)及 分析(一些具体数据) 未来工作/不足 是否有源码 问题 原因 解决思路 优势 中英命名实体识别及对齐中的中文分词优化 编号:0372-2112(2015)08-1481-07 1.命名实体识别是自然语言处理的一项重要工作,对 阅读全文

posted @ 2019-03-03 19:24 岚月 阅读(792) 评论(0) 推荐(0) 编辑

摘要: 论文名和编号 摘要/引言 相关背景和工作 论文方法/模型 实验(数据集)及 分析(一些具体数据) 未来工作/不足 是否有源码 问题 原因 解决思路 优势 基于知网语义相似度的中文文本分类研究 1.传统的文本处理大部分是根据词频和逆向文档频率将文本表示成向量空间模型,实践证明这种模型确实简单高效并且得 阅读全文

posted @ 2019-03-03 19:24 岚月 阅读(732) 评论(0) 推荐(0) 编辑

摘要: 论文名和编号 摘要/引言 相关背景和工作 论文方法/模型 实验(数据集)及 分析(一些具体数据) 未来工作/不足 是否有源码 问题 原因 解决思路 优势 基于词语关系的词向量模型 文章编号:1003-0077(2017)03-0025-07 1.目前的自然语言处理中对于词向量的训练模型大多基于浅层的 阅读全文

posted @ 2019-03-03 19:23 岚月 阅读(426) 评论(0) 推荐(1) 编辑

摘要: 论文名和编号 摘要/引言 相关背景和工作 论文方法/模型 实验(数据集)及 分析(一些具体数据) 未来工作/不足 是否有源码 问题 原因 解决思路 优势 基于词向量的学术语义搜索研究 编号:1000-5463(2016)03-0053-06 1.词向量由于词的语义生成文档的语义并不像直观地看起来那样 阅读全文

posted @ 2019-03-03 19:23 岚月 阅读(651) 评论(0) 推荐(0) 编辑

摘要: 论文名和编号 摘要/引言 相关背景和工作 论文方法/模型 实验(数据集)及 分析(一些具体数据) 未来工作/不足 是否有源码 问题 原因 解决思路 优势 基于表示学习的中文分词 编号:1001-9081(2016)10-2794-05 1.为提高中文分词的准确率和未登录词识别率。 1.分词后计算机才 阅读全文

posted @ 2019-03-03 19:22 岚月 阅读(312) 评论(0) 推荐(0) 编辑

2018年12月23日

摘要: 1.实践题目 :7-2 工作分配问题 2.问题描述: 设有n件工作分配给n个人。将工作i分配给第j个人所需的费用为cij 。 设计一个算法,对于给定的工作费用,为每一个人都分配1 件不同的工作,并使总费用达到最小。 输入格式: 输入数据的第一行有1 个正整数n (1≤n≤20)。接下来的n行,每行n 阅读全文

posted @ 2018-12-23 17:20 岚月 阅读(125) 评论(0) 推荐(0) 编辑

摘要: 1.你对回溯算法的理解(2分) 本质上回溯算法是一种穷举法,将所有的可能性都检查一遍后,即可得到理想的解。但是回溯算法还包括了限界函数以及约束函数,通过对树的剪枝,将不可能的解先行剪掉,减少需要搜索的叶子节点,得到一个较为理想的运行时间。 2.请说明“子集和”问题的解空间结构和约束函数(2分) 开始 阅读全文

posted @ 2018-12-23 17:08 岚月 阅读(103) 评论(0) 推荐(0) 编辑

2018年12月2日

摘要: 实践题目: 问题描述: 设有n 个程序{1,2,…, n }要存放在长度为L的磁带上。程序i存放在磁带上的长度是 li,1≤i≤n。 程序存储问题要求确定这n 个程序在磁带上的一个存储方案, 使得能够在磁带上存储尽可能多的程序。 对于给定的n个程序存放在磁带上的长度,计算磁带上最多可以存储的程序数。 阅读全文

posted @ 2018-12-02 13:54 岚月 阅读(128) 评论(0) 推荐(0) 编辑

摘要: 1.你对贪心算法的理解(2分) 贪心算法主要在于考虑最优解时只考虑局部最优解,不考虑全局最优解,算法使用要求问题可以用局部最优解拓展获得全局最优解,个人认为比起动态规划普适性要差一些,但是这种算法比较容易思考。 2.请说明汽车加油问题的贪心选择性质(2分) 每次只考虑当前情况的需求,只考虑现有油量是 阅读全文

posted @ 2018-12-02 13:29 岚月 阅读(144) 评论(0) 推荐(0) 编辑

2018年11月15日

摘要: 一:梯度下降: 梯度下降本质上是对极小值的无限逼近。先求得梯度,再取其反方向,以定步长在此方向上走一步,下次计算则从此点开始,一步步接近极小值。需要注意的是步长的取值,如果过小,则需要多次迭代,耗费大量时间才能取得极小值;如果过大,则可能难以取得较为接近极小值的点,在极小值两边来回跳跃,无法接近极小 阅读全文

posted @ 2018-11-15 17:43 岚月 阅读(523) 评论(0) 推荐(0) 编辑