我正在尝试重新训练斯坦福大学名称实体识别器的中文模型。我想知道是否有办法获得用于训练官方模型的原始中文语料库？斯坦福-nlp的网页上说，他们使用了来自CoNLL，MUC-6，MUC-7和ACE的语料库。我检查了一下，CoNLL2003似乎没有中文语料库，我需要为MUC-6，MUC-7和ACE付费。
浏览 6提问于2016-01-28得票数 0
1回答
我有一个文本数据集，我在其中训练了一个gensim w2v模型。现在，我想使用这些向量来增强tf值，用于我的数据集中的单词和文档。正确的方法是什么？我试着在gensim的网站上跟踪。File "<ipython-input-229-7946418f8a82>", line 1, in <module> models.tfidfmodel(model.wv[model.wv.index2word]) TypeError:
浏览 3提问于2017-01-31得票数 0
回答已采纳
1回答
我目前正在使用Azure搜索在我的网站上执行产品搜索。A：有55,000个文档的索引索引B中的所有文档都填充了索引A文档示例：
ProductoName - search.score肯德基Product2 - 1.5482594Produ
浏览 0提问于2019-02-09得票数 0
回答已采纳
“在大型语料库中使用Tf-Idf方法的一个本质是，使用的语料库越大，术语的唯一权重就越多。这是因为语料库中文档大小或文档长度的增加使得语料库中两个术语的权重值重复的概率较低。在小语料库中，Tf-Idf不能造成这种差异，因为有巨大的潜力找到具有相同权重的两个术语，因为它们在每个文档中以相同的频率共享相同的源文档。通过在抄袭检测领域中使用Tf-Idf加权方案，根据语料库的大小，该特征可以成为反对者和支持者。是否有任何链接或
浏览 2提问于2017-07-01得票数 6
我安装了PDFXChange查看器，当我在查看器中打开一个pdf文件时，以中文表示的书签(即轮廓)不能正确显示，而是以正方形显示。我怎样才能让它们正确显示？在我重新安装Ubuntu (从14.04到16.04 )和葡萄酒( 1.6到2.0 )之前，书签中的中文字符曾经在查看器中正确显示。Ubuntu和Wine是原因吗？📷
浏览 0提问于2017-09-12得票数 0
因此，对于汉英翻译，我只能选择专利领域，导入自己的词典和语料库，然后重新训练。虽然不确定这是否有意义，但也不清楚我们谈论的是繁体中文还是简体中文。我首先需要繁体中文服务，然后才是简体中文服务。另一种选择是建立在财经新闻域的基础上，但中文-英文的新闻不可用。谢谢!
浏览 1提问于2016-08-24得票数 3
1回答
我把特征向量作为语料库中文档的位映射来实现。我已经拥有了整个语料库的词汇表(作为一个列表/集)和每个文档中的术语列表。例如，如果语料库词汇表为['a', 'b', 'c', 'd']，而文档d1中的术语为['a', 'b', 'd', 'd']，则d1的特征向量应为[1, 1, 0, 2]。为了生成特征向量，我会遍历语料库词汇表，检查每个
浏览 4提问于2011-04-12得票数 2
回答已采纳
2回答
多语言搜索匹配
、、、、
假设我们的名称是用任何无-拉丁字母-语言写成的，比如Arabic, Hebrew, Chinese, Japanese等等。类似于日语中的名字拓海和English拼写Takumi。
浏览 3提问于2012-07-05得票数 3
回答已采纳
我需要对多种语言的文本进行名称实体提取:西班牙语、葡萄牙语、希腊语、捷克语、中文。
有没有这两个函数支持的所有语言的列表？有没有一种方法可以使用其他语料库，以便将这些语言包括在内？
浏览 3提问于2013-02-27得票数 4
回答已采纳
1回答
但在文本挖掘任务中，通常需要消除资源文档中的断点，然后构建语料库或其他进一步的过程。如何使用“秒针”来处理使用text2vec构建语料库、dtm和中医的文档？
我以前使用tm进行文本挖掘。此外，tm中的格式交换函数在中文中存在乱码问题。如果使用text2vec读取文档，它能将一张纸读入矢量吗？向量的体积是否足以在期刊上发表一篇论文？)否则，在text2vec中构建的语料库和向量与在tm中内置的内容兼容吗？
浏览 7提问于2016-07-12得票数 1
回答已采纳
1回答
我可以想出如何使语料库中的单词被一个类别过滤，例如棕色语料库中所有用于“新闻”的单词是：另外，我可以弄清楚如何获取特定文档的所有单词，例如，棕色语料库中文档‘cj47’中的所有单词是：然后，我可以循环的结果和计数的词，不是停止词。
浏览 2提问于2016-03-05得票数 0
回答已采纳
1回答
NLP文本注释存储和访问
、、、、
我有一个庞大的文本语料库(大约1000万个句子)，我想用各种NLP工具(词性标记器、语法分析器、依存关系分析器等)对其进行预处理。我需要以某种方式存储由这些工具创建的各种注释层，并从我的Java代码中动态地访问它们(可能是通过提供语料库中文本范围的开始和结束索引，以及注释的类型)。
浏览 3提问于2012-08-18得票数 2
回答已采纳
如何将语料库转换为包含元数据的R中的数据帧？我已经尝试了来自的建议，但得到的数据框只包含语料库中所有文档的文本行。我还需要文档ID，也许还需要两列中文本行的行号。sapply(corpus, `[`, "content")), 但是没有帮助；我只得到了一个错误信息"Error in match.fun(FUN)：‘meta(语料库，"id")’ist nicht Funktion，Zeichen oder Symbol“
语
浏览 3提问于2015-08-16得票数 3
1回答
因为它们都是基于不同的语料库，所以我猜
在语料库上训练一个机器学习分类器，如SVM和OVR (用于多标签案例)，以检测ORGANIZATION、PERSON、LOCATION等实体，这意味着训练数据将是语料库中文档的完整文本
浏览 3提问于2016-01-22得票数 2
回答已采纳
我是ethereum社区的新手，我想研究Ethereum (例如geth)的实现，并为围棋项目做出贡献。那么，是否有任何资源或阅读材料来解释围棋项目的模块结构和实现细节？
提前谢谢。
浏览 0提问于2019-09-11得票数 4
回答已采纳
1回答
使用R和tm，我已经加载和清理了一堆文本文档，并将它们制成语料库。在那之后，我使用tf-idf构建了他们的DTM，我可以将其用于所有类型的分类聚类算法。到现在为止还好。现在，让我们假设我有一个新文档，并尝试计算它到语料库中文档的距离。当然，我需要将我应用于原始集合的所有变换应用于它。将新文档添加到语料库并重新计算其tf-idf DTM不能正常工作:不仅效率低下，而且每个新文档都会碰上已经看到的文档的值，这将改变我可能将它们作为训练集运行的任何聚类分类算法的结果。因此，我的问题是，如何使用R和tm计算新文档的tf-idf向量
浏览 15提问于2017-07-03得票数 0
我尝试生成一个词云，并使用R、jiebaR和语料库获取中文语音的词频，但无法建立语料库。fasterword')[1]
dfm <- dfm(tokens)我的文本文件包含以下段落：创建语料库时出现错误
浏览 0提问于2020-01-28得票数 4
当我们在google上的字典中查找特定的单词时，它还在底部显示了一个类似这样的图表，它告诉我们随着时间的推移搜索单词的使用情况。谷歌是如何决定其用途的？它使用的是什么引用？
浏览 1提问于2020-03-01得票数 0
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号