文章
7
标签
4
分类
5
主页
时间轴
标签
分类
友链
Handy
注意力机制
主页
时间轴
标签
分类
友链
注意力机制
发表于
2022-04-08
|
更新于
2022-04-08
|
人工智能
机器学习
|
浏览量:
文章作者:
Handy
文章链接:
http://handy.bj.cn/2022/04/08/%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6/
版权声明:
本博客所有文章除特别声明外,均采用
CC BY-NC-SA 4.0
许可协议。转载请注明来源
Handy
!
机器学习
赞助
微信
支付宝
上一篇
BiLSTM-CRF:深入浅出理解序列标注的黄金搭档
BiLSTM-CRF:深入浅出理解序列标注的黄金搭档前言在自然语言处理(NLP)任务中,比如 命名实体识别(NER)、词性标注(POS tagging)、分块(Chunking) 等,我们面临的本质是一个 序列标注问题。如何高效捕捉前后文语义,并输出最优的标签序列?这时,BiLSTM + CRF 组合登场了。 这篇博客将用通俗易懂的方式讲清楚:$x_{n}$ 什么是 BiLSTM? 什么是 CRF? 为什么它们要组合在一起? 用 PyTorch 实现 BiLSTM-CRF 一、序列标注简介输入: 一个词语序列(如一个句子)输出: 每个词对应一个标签(如人名/地名/组织/无) 例子: 123输入: [李明, 在, 北京, 工作]标签: [PER, O, LOC, O] 传统机器学习方法如 HMM、最大熵、CRF 已用于此类任务多年。深度学习带来了 LSTM、BERT 等模型,对捕捉上下文能力有极大提升。但光靠 BiLSTM 输出每个词的预测,还不能保证整体标签序列的最优结构。这就是 CRF 发挥作用的地方。 二、什么是 BiL...
下一篇
一图就懂机器学习框架
相关推荐
2022-03-06
一图就懂机器学习框架
2022-03-03
机器学习
汇总机器学习从问题定义到部署监控的各个阶段,融合代码实战、实践和可视化建议。 问题定义(Problem Definition)目标 明确任务类型(监督/非监督/强化) 确定预测目标(标签) 将业务目标映射为机器学习任务 实践要点 问题类型 特征 标签 示例 监督学习 ✅ ✅ 房价预测、图像分类 无监督学习 ✅ ❌ 用户聚类、异常检测 强化学习 ✅ 奖励值 游戏AI、机器人导航 1234 # 示例:API 拉取数据 import requests data = requests.get("https://api.example.com/data").json() 数据收集(Data Collection)目标 获取高质量、相关性强的数据 数据来源 API:如 OpenWeatherMap、金融接口 数据库:MySQL、PostgreSQL 爬虫:requests + BeautifulSoup / Scrapy 日志、传感器数据 1234 # 示例:API 拉取数据...
Handy
文章
7
标签
4
分类
5
Follow Me
最新文章
BiLSTM-CRF:深入浅出理解序列标注的黄金搭档
2024-10-29
注意力机制
2022-04-08
一图就懂机器学习框架
2022-03-06
机器学习
2022-03-03
vim常用命令
2018-02-03