1回答
我有一个标记化的文档列表，其中包含unigram和bi-gram，我想对其执行sklearn lda。我尝试了以下代码：
my_data =[['low-rank matrix','detection method','problem finding'],['probabilistic inference','problem finding','statistical learning','solution' ],['detection method','pr
浏览 2提问于2018-11-26得票数 0
我的python代码用于多标签分类；使用TF-IDF向量器处理大量tweet。我只需将相应的代码部分放在下面。我的词库是14182个单词的词典，train_array.shape是(6838,14182)。train_labels.shape也是(6838，11)：
#Vectorizing
vector_maker = TfidfVectorizer(stop_words= set(stopwords.words('english')), vocabulary= vocab) #Vectorizer
train_array = vector_maker.fit_transfo
浏览 0提问于2020-03-06得票数 0
我正在使用一系列sklearn分类器进行一些文本处理。在我在互联网上找到的example中，我注意到分类器的输入是一系列字典条目： ({'my': True, 'first': True, 'visit': True, 'was': True, ...}, 'pos') ({'wowjust': True, 'wow': True, 'who': True, 'would': True,..}, 'pos') 这些项目被传递到分类模型
浏览 6提问于2019-06-03得票数 0
我正在尝试用Python语言为SKLearn管道生成一个带有sklearn2pmml库的PMML文件。此管道仅由CountVectorizer和SVC模型组成。非常简单的管道，但不能将其作为PMML文件输出。 SKLearn管道： Pipeline(memory=None,
steps=[('vect',
CountVectorizer(analyzer='word', binary=False,
decode_error='stric
浏览 328提问于2020-09-26得票数 0
1回答
我正在研究云提供商年度报告中关键词的重要性。我已经从PDF中提取了文本，我主要是在寻找单词"cloud"的重要性。
因此，我决定使用TF算法来定义跨多个文档的关键字的重要性。然而，我不是一个数据科学家，我是软件工程师。我不知道我的解决方案是否合理。以下是我所拥有的：
import glob
from pathlib import Path
import pandas as pd
from sklearn.feature_extraction.text import TfidfVectorizer
import numpy as np
x=[2014, 2015, 2016,
浏览 4提问于2022-07-02得票数 0
回答已采纳
我正在使用scikit学习和处理预测电影评论评分的练习。我已经读过Cohen的kappa (坦率地说，我没有完全理解它)，它作为比较观察精度和预期精度之间的指标很有用。我像往常一样在我的语料库上应用机器学习算法，使用的是词袋模型。我读到Cohen的Kappa是一个衡量分类器性能的好方法。如何使用sklearn将这个概念应用到我的预测问题中？
Sklearn的文档并没有明确说明如何使用文档术语矩阵来处理这个问题(如果这样做是正确的话)
sklearn.metrics.cohen_kappa_score(y1, y2, labels=None, weights=None)
这是sklearn网站上
浏览 3提问于2017-04-28得票数 8
回答已采纳
我正在用Python制作一个聊天机器人。代码：
import nltk
import numpy as np
import random
import string
f=open('/home/hostbooks/ML/stewy/speech/chatbot.txt','r',errors = 'ignore')
raw=f.read()
raw=raw.lower()# converts to lowercase
sent_tokens = nltk.sent_tokenize(raw)# converts to list of sent
浏览 6提问于2020-02-18得票数 3
回答已采纳
1回答
如何在中使用RFE？
、、、、
我目前使用的是xgb.train(...)，它返回一个助推器，但我想使用RFE来选择最佳的100个特性。返回的助推器不能在RFE中使用，因为它不是sklearn估计器。XGBClassifier是xgboost库中的sklearn api，然而，我无法获得与xgb.train(...)方法相同的结果(roc-auc方法差10%)。我已经尝试过sklearn的助推器，但他们也不能得到类似的结果。我还尝试将xgb.train(...)方法包装在一个类中，以添加sklearn估计器方法，但要更改的方法太多了。有没有什么方法可以把xgb.train(...)和sklearn的RFE一起使用呢？
浏览 2提问于2021-02-22得票数 7
我遵循这个对我的数据集使用朴素贝叶斯算法。在这里，数据集被拆分为两个文件，一个是review.txt，另一个是label.txt。我在这里使用了"train_test_split“函数。
我的代码：
from sklearn.preprocessing import MultiLabelBinarizer
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import BernoulliNB
from sklearn.metrics import confusion_matrix
浏览 2提问于2018-09-11得票数 1
我是Scikit的新手-学习和分类。我的任务是一个多标签分类问题。据我所知，predict返回带有n元组的数组，这与示例中的特征数量相同。什么意思？如何获得严格的顺序和严格的预测值数量？因为x_test = X_train[0]输出Result [('a', 'c'), (), ()]和x_test = X_train[0]输出Result [('a',), (), ()]
import numpy as np
from sklearn.svm import SVC
from sklearn.multiclass import OneVsRest
浏览 3提问于2016-06-15得票数 0
1回答
我已经使用scikit-learn库进行了文本分类，导入了以下分类器：
from sklearn.linear_model import RidgeClassifier
from sklearn.svm import LinearSVC
from sklearn.linear_model import SGDClassifier
from sklearn.linear_model import Perceptron
from sklearn.linear_model import PassiveAggressiveClassifier
from sklearn.naive_bayes impo
浏览 0提问于2018-02-16得票数 2
回答已采纳
我正在使用TfIdfVectorizer的sklearn进行文档聚类。我有2000万个文本，我想要计算集群。但是计算TfIdf矩阵花费了太多的时间，系统陷入了困境。
有什么技术可以解决这个问题吗？在任何python模块中是否有其他方法可供选择？
浏览 0提问于2016-11-03得票数 0
回答已采纳
1回答
我试图为类1、2、3和4的多标签分类定义一组类/标签，但是数组中出现了意外的问题，还包括以下内容：
multilabel.classes_数组(‘'，’'，'1'，'2'，'3'，'4'，dtype=object)
我只想把1,2,3,4作为我的标签，但我想不出一个方法来删除它。
我的代码：
import pandas as pd
import numpy as np
import os
import ast
import seaborn as sns #pip install seaborn
import mat
浏览 1提问于2021-09-16得票数 0
回答已采纳
我正在处理用几种语言编写的大量文档。我想计算文件之间的余弦距离从他们的tf-以色列国防军的分数。到目前为止，我已经：
from sklearn.feature_extraction.text import TfidfVectorizer
# The documents are located in the same folder as the script
text_files = [r'doc1', r'doc2', r'doc3']
files = [open(f) for f in text_files]
documents = [f.
浏览 3提问于2017-01-17得票数 2
回答已采纳
我试着用scikit学习logistic回归对多类数据进行分类。我用一个热编码器对类进行编码。但是，当我尝试相同的，我得到了糟糕的输入形状错误。在sklearn回归中是否可以使用一个热编码值？
from sklearn.preprocessing import OneHotEncoder
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.feature_extraction.text import CountVectorizer
onehot_encoder = OneHotE
浏览 3提问于2019-04-26得票数 0
回答已采纳
我试着用俄语停止词来应用TfidfVectorizer
Tfidf = sklearn.feature_extraction.text.TfidfVectorizer(stop_words='russian' )
Z = Tfidf.fit_transform(X)
我得到了
ValueError: not a built-in stop list: russian
当我使用英语停止词时，这是正确的
Tfidf = sklearn.feature_extraction.text.TfidfVectorizer(stop_words='english' )
Z =
浏览 2提问于2016-10-09得票数 3
回答已采纳
1回答
我正在研究多语种(英语、阿拉伯语、汉语)，我遇到了一个问题:如何标记数据？
我的火车数据提供了每个命名实体的句子和跨度列表。
例如：
[('The', 'DT'),
('company', 'NN'),
('said', 'VBD'),
('it', 'PRP'),
('believes', 'VBZ'),
('the', 'DT'),
('suit', 'NN'
浏览 0提问于2021-03-04得票数 0
回答已采纳
1回答
提高电子邮件分类的准确性？
、、、、
我正在建立一个电子邮件分类模型。目前，我正在使用NLTK的停止词和柠檬化在数据的预处理.以下是我正在使用的TF-下手向量器的参数：
from sklearn.feature_extraction.text import TfidfVectorizer
tfidf = TfidfVectorizer(sublinear_tf= True,
min_df = 5,
norm= 'l2',
ngram_range= (1,2),
浏览 1提问于2020-06-10得票数 0
5回答
从90年代开始，我就一直在使用web应用程序，这些年来，我听到了许多流行词汇，意思是“在由他人运行的系统上托管应用程序”。最新的流行词是“云”。
“云”应用程序、SaaS (软件即服务)和ASP (应用服务提供商)之间有什么区别？这些定义之间不是有很多重叠吗？有时候，当我使用ASP这个词的时候，我会和一位一直在说"Cloud“的高管说话。我曾为一个做ASP的组织工作，另一个做过SaaS的组织，现在又为一个说“云”的组织工作。但他们看起来都很像我。
云与Saas与ASP的区别是什么？这些术语中的每一个是否都有官方定义？
浏览 0提问于2010-06-30得票数 15
回答已采纳
3回答
在传统的词汇“一元”表示中，你有一个与你词汇的基数相同的向量。为了降低维数，通常删除停止词，以及应用词干、归一化等来规范您想要执行的NLP任务的特征。
我很难理解是否/如何预处理要嵌入的文本(例如word2vec)。我的目标是将这些词嵌入作为NN的特性，将文本分类为主题A，而不是主题A，然后对主题A的文档执行事件提取(使用第二个NN)。
我的第一本能是预处理移除断句、修饰词干等。但是当我对NN有了更多的了解时，我意识到，应用于自然语言，CBOW和跳过图模型实际上要求整组单词都存在--要能够从上下文中预测一个单词，就需要了解实际的上下文，而不是正常化后上下文的简化形式……对吧？)。词性标签的实际
浏览 6提问于2017-05-31得票数 16
以下是我的代码：
sklearn_tfidf = TfidfVectorizer(ngram_range= (3,3),stop_words=stopwordslist, norm='l2',min_df=0, use_idf=True, smooth_idf=False, sublinear_tf=True)
sklearn_representation = sklearn_tfidf.fit_transform(documents)
它通过删除所有的停止字来生成三格。
我想要它的允许那些在中间(而不是开始和结束)有塞子的
是否需要为此编写处理器。需要建议。
浏览 2提问于2018-04-10得票数 3
回答已采纳
2回答
有类似的和库，如和。但我找不到解决问题的办法。我有一组文档，我试图使用scikit-learn的对它们进行聚类。首先，我使用对文档进行矢量化。然后，我简单地对数据进行聚类并接收预测的标签。我的问题是:我如何解释集群形成的原因？我的意思是，假设有2个预测的簇(簇1和簇2)。(因为我们的输入数据是向量化文档，我们的特性是向量化的“单词”)对于创建集群1(或集群2)?非常重要。
下面你可以找到我目前正在做的事情的一个最小的例子。这不是我想要达到的目标的一个极小的例子(因为我不知道如何实现)。
import numpy as np
import pandas as pd
from sklearn.cl
浏览 5提问于2020-09-17得票数 4
2回答
我试图用mlflow保存一个sklearn机器学习模型，它是一个包含我定义的自定义转换器的管道，并将它加载到另一个项目中。我的自定义转换器继承自BaseEstimator和TransformerMixin。
假设我有两个项目：
train_project:它在src.ml.transformers.py中有定制的变压器
use_project:它在src中有其他东西，或者根本没有src目录。
所以在我的train_project里：
mlflow.sklearn.log_model(preprocess_pipe, 'model/preprocess_pipe'
浏览 17提问于2020-03-04得票数 8
2回答
句子中单词之间的关系
、、、
我有两句话：
sent1="This work has been completed by Christopher Pan".
sent2="This job has been finished by Mark Spencer".
我使用Word2vec计算句子的相似度：
from sklearn.metrics.pairwise import cosine_similarity
def avg_sentence_vector(words, model, num_features, index2word_set):
featureVec = np.ze
浏览 4提问于2020-08-17得票数 1
我想用scikit learn在Python中为MultiOutputClassifier编写一段代码。我有文本值，所以我使用CountVectorizer()，我想为我的模型找到最佳参数，所以我使用GridSearchCV和model.best_params_。决策树和MultiOutputClassifier的最佳参数。
我得到了错误，但我不知道如何修复它，我到处寻找：
ValueError: Invalid parameter criterion for estimator MultiOutputClassifier(estimator=DecisionTreeClassifier(cl
浏览 1提问于2019-07-22得票数 2
2回答
我正在做我的期末学习项目。
我正在尝试创建Twitter消息的情感分析。
我用的是贝叶斯算法和词袋。
你有一个用PHP编写的词袋算法的例子吗？
我什么也找不到，可能是正面和负面的单词列表或者别的什么
浏览 1提问于2012-01-28得票数 0
回答已采纳
我正试图为堆栈溢出标记构建一个类似分类法的关系图。我提取了所有的标签和将近37000的wiki。在确定基于wiki的关系之前，我决定看看Stack溢出/tags/{tag}/synonyms必须提供什么。结果中的一些from_tag不是堆栈溢出中的实际标记。我想我可能错过了数据集中的那些。因此，试图使用/tags/{tag}/info搜索那些，但是后者返回了to_tag的信息。
例如：
{
"creation_date": 1377674210,
"last_applied_date": 1602368899,
"applied_count&
浏览 4提问于2020-10-11得票数 0
回答已采纳
1回答
我在处理一个不平衡的数据集。我正在使用决策树(scikit-learn)来构建一个模型。为了解释我的问题我用了虹膜数据集。当我设置class_weight=None时，我理解当我使用predict_proba时树是如何分配概率分数的。当我设置class_weight='balanced'时，我知道它使用目标值来计算类权重，但我无法理解树是如何分配概率分数的。
import sklearn.datasets as datasets
import pandas as pd
import numpy as np
from sklearn.tree import DecisionTre
浏览 0提问于2019-03-25得票数 3
回答已采纳
1回答
交叉验证的实现
、、
我很困惑，因为很多人都有自己的方法来应用交叉验证。例如，有些应用于整个数据集，而有些则应用于培训集。
我的问题是，下面的代码是否适合于在应用Cross-validation的同时实现交叉验证并从这样的模型进行预测？
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.model_selection import KFold
model= GradientBoostingClassifier(n_estimators= 10,max_depth = 10, random_state = 0)#sepcifyi
浏览 2提问于2020-02-14得票数 0
如何运行sklearn TFIDF向量器(和计数向量器)来作为并行作业运行？类似于其他sklearn模型中的n_job=-1参数。
浏览 0提问于2015-02-09得票数 15
1回答
交叉验证与模型选择
、、、、
我正在使用sklearn进行支持向量机培训。我使用交叉验证来评估估计量，避免过拟合模型。
我把数据分成两部分。训练数据和测试数据。以下是代码：
import numpy as np
from sklearn import cross_validation
from sklearn import datasets
from sklearn import svm
X_train, X_test, y_train, y_test = cross_validation.train_test_split(
iris.data, iris.target, test_size=0.4, rando
浏览 5提问于2016-02-15得票数 6
回答已采纳
1回答
我有两个清单，其中包含地面真相和预测图像。这两个列表都包含二进制图像。我需要获得准确性，F1评分，召回和精确报告之间的这两个名单。
sklearn.metrics.classification_report可以用于获取预测值和真值之间的分类报告，但它只接受一维数组。
如何修改它以获得包含二值图像的两个图像列表之间的分类报告？还是有更好的方法来做这件事？我的代码：
import os
import cv2
import numpy as np
from sklearn.metrics import confusion_matrix
from sklearn.metrics import a
浏览 0提问于2019-12-01得票数 2
回答已采纳
1回答
我正试图从短剧-学习中向CountVectorizer添加Lematization，如下所示
import nltk
from pattern.es import lemma
from nltk import word_tokenize
from nltk.corpus import stopwords
from sklearn.feature_extraction.text import CountVectorizer
from nltk.stem import WordNetLemmatizer
class LemmaTokenizer(object):
def __call__
浏览 1提问于2018-05-03得票数 5
回答已采纳
我正在为网页编写分类器，所以我有一个混合的数字特征，我也想对文本进行分类。我正在使用文字袋的方法将文本转换成(大的)数字向量.代码最后是这样的：
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_extraction.text import TfidfTransformer
import numpy as np
numerical_features = [
[1, 0],
[1, 1],
[0, 0],
[0, 1]
]
corpus = [
'This
浏览 3提问于2016-09-12得票数 11
我在使用网格搜索cv时遇到了这个错误：“分类度量不能处理多标签指示符和多类目标的混合”。
我的y_train形状是：(64345，37)，我的X_train形状是：(64345，14)。
我不知道我去了哪里，wrong.Any指导/帮助将是非常感谢的。
它在不使用固定参数的gridsearchCV的情况下为我的模型正确执行。如果不使用一种热编码，我将从绑定错误中获取索引。该帖子的链接在这里：
下面是我如何拆分数据集：
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
onehotencoder = OneHotEnco
浏览 1提问于2019-10-04得票数 0
回答已采纳
当我在VScode中调用pip >VScode时，它还添加了我没有导入到项目中的库。我的朱庇特笔记本里有这样的图书馆：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import scipy.stats as stats
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import Pipeline
from s
浏览 4提问于2022-07-31得票数 0
回答已采纳
1回答
我是新的文本分析，并试图创建一个袋子的词模型(使用sklearn的CountVectorizer方法)。我有一个数据框架，里面有一列文字，上面写着“酸性”、“酸性”、“酸度”、“木头”、“伍德”、“伍迪”等词。
我认为“酸”和“木”应该是最后输出中唯一包含的词，但无论是词干还是引申似乎都不能实现这一点。
堵塞产生“酸”、“木”和“柠檬”，使“酸”、“木本”产生更差的输出。我认为这是因为词性部分没有被准确地指定，虽然我不确定这个规范应该去哪里。我已经将它包含在X = vectorizer.fit_transform(df['text'],'a')一行中(我认为大多
浏览 4提问于2022-05-16得票数 3
回答已采纳
1回答
基于支持向量机算法的卫星图像分析
、、、、
我正在使用支持向量机(SVM)算法进行分类。我正在使用的卫星图像非常大(5GB)，这就是为什么我试图利用multiprocessing工具来加快进程的原因。
我的问题是，我的电脑没有使用所有可用的核心。我将代码运行到我的笔记本电脑(4个核心)，但这一过程需要永远完成。不过，它使用了所有的4个CPU核心。当我尝试在有12个CPU核的桌面PC上运行相同的代码时，其中只有5个达到100%。下面，我们看到要分类的图像和右边使用的培训数据。
📷
import os
import numpy as np
from osgeo import gdal, gdal_array, gdalconst
from
浏览 0提问于2017-07-12得票数 11
1回答
我使用Stanford标记器在一个句子中标记词性部分，我使用了以下代码：
private static MaxentTagger tagger = new MaxentTagger(".../english-left3words-distsim.tagger");
String tags= tagger.tagString(st); //st is a string
当单词不是复合词时，这就产生了结果。但是我想要的是得到诸如“回去”、“计算机科学”、“捡起来”这样的复合词的POS标签。
有什么想法吗？
浏览 9提问于2015-09-08得票数 1
我对机器学习技术还是很陌生的，而且我在学习一些科幻文档和其他堆叠溢出的文章时遇到了困难。我正试图从一堆医学数据中建立一个简单的模型，这将帮助我预测一个病人可能属于哪三个类别。
我通过熊猫加载数据，将所有对象转换为整数(例如男性= 0，Female=1 )，并运行以下代码：
import numpy as np
import pandas as pd
from sklearn.cross_validation import train_test_split
from sklearn.preprocessing import label_binarize
from sklearn.ensemble
浏览 4提问于2016-09-11得票数 0
回答已采纳
1回答
我试着得到日本词的tf值。我遇到的问题是，TfidfVectorizer把一些日语字符去掉了，我想把它们保留下来，作为停止词。
以下是一个例子：
from sklearn.feature_extraction.text import TfidfVectorizer
tf = TfidfVectorizer(stop_words = None)
words_list = ["歯","が","痛い"]
tfidf_matrix = tf.fit_transform(words_list)
feature_names = tf.get_featur
浏览 1提问于2017-06-05得票数 4
回答已采纳
我使用Python中的gensim包加载训练有素的Google word2vec数据集。然后，我想使用k-方法在我的单词向量上找到有意义的集群，并为每个集群找到有代表性的单词。我正在考虑用它对应的向量最接近一个星系团的质心来表示这个星系团，但不知道这是否是个好主意，因为我的实验并没有给我带来好的结果。
我的示例代码如下：
import gensim
import numpy as np
import pandas as pd
from sklearn.cluster import MiniBatchKMeans
from sklearn.metrics import pairwise_dist
浏览 2提问于2017-07-02得票数 4
据 random_state说
random_state : int或RandomState实例或无(默认)伪随机数生成器种子控制。如果没有，则使用numpy.random单例。请注意，不同的初始化可能会导致成本函数的不同局部极小值。
被播种的是什么状态？这对tsne的实施有何影响？在tsne论文中没有提到这个参数：
更新1：
虽然确实有助于解释为什么在sklearn中使用随机状态，但它并没有说明在sklearn算法实现中如何使用随机状态。
浏览 2提问于2017-04-10得票数 2
回答已采纳
我正在尝试使用sklearn CountVectorizer对一些文本进行矢量化。之后，我想看看生成矢量器的特征。但是，我得到了一个代码列表，而不是单词。这意味着什么以及如何处理这个问题？下面是我的代码：
vectorizer = CountVectorizer(min_df=1, stop_words='english')
X = vectorizer.fit_transform(df['message_encoding'])
vectorizer.get_feature_names()
我得到了以下输出：
[u'00',
u'000&
浏览 0提问于2017-11-22得票数 2
我试图分别使用不同的数据集作为训练集和测试集。但是有了下面的代码，我得到了：
File "main.py", line 84, in main_test X2 = tf_transformer.transform(word_counts2) File "/Library/Python/2.7/site-packages/sklearn/feature_extraction/text.py", line 1020, in transform n_features, expected_n_features)) ValueError: Input
浏览 0提问于2015-11-08得票数 1
回答已采纳
使用sklearn进行模型构建相对较新。我知道交叉验证可以通过n_jobs参数并行化，但是如果我不使用CV，我如何利用可用的核心来加速模型拟合？
浏览 0提问于2017-09-02得票数 5
1回答
NLTK -多标记分类
、、、
我使用NLTK对文档进行分类--每个文档有一个标签，其中有10种类型的文档。
对于文本提取，我清洗文本(标点符号删除，html标记删除，低胁迫)，删除nltk.corpus.stopwords，以及我自己的停止词集合。
对于我的文档特性，我将查看所有50k文档，并按频率( frequency_words )收集前2k单词，然后对每个文档标识文档中也在全局frequency_words中的单词。
然后，我将每个文档作为{word: boolean}的哈希映射传递到nltk.NaiveBayesClassifier(.)就文件总数而言，我有20:80的考试培训比例.
我遇到的问题是：
这个由N
浏览 1提问于2014-05-09得票数 7
回答已采纳
1回答
我试图解决一个多标签分类问题，因为
from sklearn.preprocessing import MultiLabelBinarizer
traindf = pickle.load("traindata.pkl","rb"))
X = traindf['Col1']
X=MultiLabelBinarizer().fit_transform(X)
y = traindf['Col2']
y= MultiLabelBinari
浏览 3提问于2015-12-15得票数 0
回答已采纳
非常有用的是，斯坦福NLP核心3.9.2用于拆分合并的西班牙语动词和代词 ? 这是4.0.0的输出： ? 以前的版本有更多的.tagger文件。这些都没有包含在4.0.0发行版中。 ? 这就是原因吗。它们会被重新添加吗？
浏览 21提问于2020-05-01得票数 0
回答已采纳
我有一个关于导入python模块的问题。
例如，对于熊猫，我可以：
import pandas as pd
然后，我可以直接从pd对象访问所有的函数和子模块.
然而，当我对滑雪板也这么做的时候，
import sklearn as sk
我无法从sk对象访问子模块。这个对象只有几个可用的方法和属性。
例如，我想使用sklearn.feature_extraction.text.CountVectorizer()函数，但不能这样做：
sk.feature_extraction.text.CountVectorizer()
我必须先显式导入文本模块，然后使用它的功能：
import sklearn
浏览 0提问于2017-11-02得票数 1
回答已采纳
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
腾讯云开发者
