Questions marquées «nlp»

Le traitement du langage naturel (PNL) est un domaine de l'informatique, de l'intelligence artificielle et de la linguistique qui s'intéresse aux interactions entre les ordinateurs et les langues (naturelles) humaines. À ce titre, la PNL est liée au domaine de l'interaction homme-ordinateur. De nombreux défis en PNL impliquent la compréhension du langage naturel, c'est-à-dire permettre aux ordinateurs de tirer un sens de la saisie du langage humain ou naturel, et d'autres impliquent la génération du langage naturel.

4
Allocation de Dirichlet latente vs processus de Dirichlet hiérarchique
L'allocation de Dirichlet latente (LDA) et le processus de Dirichlet hiérarchique (HDP) sont tous deux des processus de modélisation par sujet. La principale différence est que LDA requiert la spécification du nombre de sujets, contrairement à HDP. Pourquoi est-ce si? Et quelles sont les différences, les avantages et les inconvénients …
50 nlp  topic-model  lda 
1
Pourquoi xgboost est-il tellement plus rapide que sklearn GradientBoostingClassifier?
J'essaie de former un modèle d'augmentation de gradient sur plus de 50k exemples avec 100 fonctionnalités numériques. XGBClassifiergère 500 arbres en 43 secondes sur ma machine, alors qu'il GradientBoostingClassifierne gère que 10 arbres (!) en 1 minute et 2 secondes :( Je n'ai pas pris la peine d'essayer de faire …
29 scikit-learn  xgboost  gbm  data-mining  classification  data-cleaning  machine-learning  reinforcement-learning  data-mining  bigdata  dataset  nlp  language-model  stanford-nlp  machine-learning  neural-network  deep-learning  randomized-algorithms  machine-learning  beginner  career  xgboost  loss-function  neural-network  software-recommendation  naive-bayes-classifier  classification  scikit-learn  feature-selection  r  random-forest  cross-validation  data-mining  python  scikit-learn  random-forest  churn  python  clustering  k-means  machine-learning  nlp  sentiment-analysis  machine-learning  programming  python  scikit-learn  nltk  gensim  visualization  data  csv  neural-network  deep-learning  descriptive-statistics  machine-learning  supervised-learning  text-mining  orange  data  parameter-estimation  python  pandas  scraping  r  clustering  k-means  unsupervised-learning 
4
Word2Vec pour la reconnaissance d'entités nommées
Je cherche à utiliser l'implémentation de word2vec de google pour construire un système de reconnaissance d'entités nommées. J'ai entendu dire que les réseaux neuronaux récursifs avec rétropropagation à travers la structure sont bien adaptés aux tâches de reconnaissance d'entités nommées, mais je n'ai pas pu trouver une implémentation décente ou …
3
Quelle est une meilleure entrée pour Word2Vec?
Cela ressemble plus à une question générale de PNL. Quelle est l'entrée appropriée pour former l'intégration d'un mot, à savoir Word2Vec? Est-ce que toutes les phrases appartenant à un article devraient être un document séparé dans un corpus? Ou chaque article doit-il être un document dans ledit corpus? Ceci est …
3
Comment charger le modèle pré-formé FastText avec Gensim?
J'ai essayé de charger le modèle pré-formé fastText à partir d'ici le modèle Fasttext . J'utilise wiki.simple.en from gensim.models.keyedvectors import KeyedVectors word_vectors = KeyedVectors.load_word2vec_format('wiki.simple.bin', binary=True) Mais, il montre les erreurs suivantes Traceback (most recent call last): File "nltk_check.py", line 28, in <module> word_vectors = KeyedVectors.load_word2vec_format('wiki.simple.bin', binary=True) File "P:\major_project\venv\lib\sitepackages\gensim\models\keyedvectors.py",line 206, in …
21 nlp  gensim 
4
Comment annoter des documents texte avec des métadonnées?
Ayant beaucoup de documents texte (en langage naturel, non structurés), quelles sont les façons possibles de les annoter avec des métadonnées sémantiques? Par exemple, considérons un court document: I saw the company's manager last day. Pour pouvoir en extraire des informations, celles-ci doivent être annotées avec des données supplémentaires pour …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.