本语料库由复旦大学李荣陆提供。
训练和测试两个语料各分为20个相同类别。
训练语料和测试语料基本按照1:1的比例来划分。
使用时尽量注明来源(复旦大学计算机信息与技术系国际数据库中心自然语言处理小组)。
2024/11/18 15:51:57 109.68MB 文本分类
1
这一我自己写的weka文本分类器,里面有代码的注视,也有样本数据,可以方便大家入门使用
2024/10/28 11:02:18 17.53MB 文本分类; weka; 分类算法
1
主要是读取文本,然后进行分词、词干提取、去停用词、计算词频,有界面,很实用
2024/10/6 4:02:25 71KB 分词 去停用词 词频计算
1
数据挖掘文本分类语料库(中文)-李荣陆老师的一部分资料
2024/9/12 19:04:03 3.82MB 分类语料
1
keras实现中文文本分类;
实现中文分析,词向量引入;
基于语义的特征卷积计算,实现文本分类。
2024/9/2 20:35:08 6KB textCNN
1
星际空间StarSpace是一种通用的神经模型,用于有效学习实体嵌入以解决各种问题:学习单词,句子或文档级别的嵌入。
信息检索:对实体/文档或对象集的排名,例如对Web文档的排名。
文本分类或任何其他标记任务。
度量/相似度学习,例如学习句子或文档相似度。
基于内容或基于协作过滤的推荐,例如推荐音乐或视频。
嵌入图,例如多关系图,例如Freebase。
图像分类,排名或检索(例如,通过使用现有的ResNet功能)。
在一般情况下,它学会将不同类型的对象表示为一个通用的矢量嵌入空间,因此,名称中的星形('*',通配符)和空间会相互比较。
在给定查询实体/文档或对象的情况下,它学习对一组实体/文档或对象进行排名,该查询不一定与该集中的项目具有相同的类型。
有关其工作原理的更多详细信息,请参见。
消息StarSpace在Python中可用:请查看“部分以获取详细信息。
2024/9/1 13:34:34 420KB C++
1
使用Logistic回归模型进行中文文本分类,通过实验,比较和分析了不同的中文文本特征、不同的特征数目、不同文档集合的情况下,基于Logistic回归模型的分类器的性能。
并将其与线性SVM文本分类器进行了比较,结果显示它的分类性能与线性SVM方法相当,表明这种方法应用于文本分类的有效性。
2024/8/14 8:17:40 576KB 论文研究
1
主要是读取文本,然后进行分词、词干提取、去停用词、计算词频,有界面,很实用
2024/7/13 0:43:54 70KB 词频计算
1
SougoCS数据集,内含11类搜狐新闻文本,近10万条。
搜狗提供的数据为未分类的XML格式。
此资源已经将XML解析并分类完毕,方便使用。
2024/5/31 6:22:46 94.29MB NLP 自然语言处理 文本分类 搜狗
1
java写的朴素贝叶斯文本分类代码,有详细说明
2024/3/30 6:08:11 1.78MB 贝叶斯 Bayes 文本分类
1
共 60 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡