原创 自動分詞算法的分類
我們可以將現有的分詞算法分爲三大類：基於字符串匹配的分詞方法、基於理解的分詞方法和基於統計的分詞方法。 1、 基於字符串匹配的分詞方法這種方法又叫做機械分詞方法，它是按照一定的策略將待分析的漢字串與一個"充分大的"機器詞典中的詞條進行配，
2020-06-30 23:03:37
3
原创 ME, HMM, MEMM, CRF
最大熵模型 Maximum Entropy現從一個簡單例子看起：比如華盛頓和維吉利亞都可以作人名和地名，而從語料中只知道p(人名)＝0.6，那麼p(華盛頓＝人名)的概率爲多少比較好呢？一個直觀的想法就是p(華盛頓=人名)=0.3。爲什麼呢
2020-06-30 21:47:10
4
原创 一個基於搜索的中文分詞方法( A Search-based Chinese Word Segmentation Method)
A Search-based Chinese Word Segmentation Method 一個基於搜索的中文分詞方
2020-06-30 21:47:09
1
原创 最大熵模型文獻閱讀指南
最大熵模型（Maximum Entropy Model）是一種機器學習方法，在自然語言處理的許多領域（如詞性標註、中文分詞、句子邊界識別、淺層句法分析及文本分類等）都有比較好的應用效果。張樂博士的最大熵模型工具包manual裏有“Furt
2020-06-30 21:46:59
2
原创 Mongodb源碼分析--插入記錄及索引B樹構建
在之前的一篇文章 中，介紹了assembleResponse函數(位於instance.cpp第224行)，它會根據op操作枚舉類型來調用相應的crud操作，枚舉類型定義如下： enum Operations {
2020-02-22 05:32:19
原创 Mongodb源碼分析--消息(message)
在Mongodb中，客戶端和服務端進行通信是基於mongodb wire protocol 。說白了，該協議是一個簡單的基於socket，請求/響應方式的協議，客戶端使用常規的TCP/IP套接字（socket）進行通信。 客戶
2020-02-22 05:32:19
2
原创 Mongodb源碼分析--刪除記錄
在之前的一篇文章 中，介紹了assembleResponse函數(位於instance.cpp第224行)，它會根據op操作枚舉類型來調用相應的crud操作，枚舉類型定義如下： view plaincopy to clipbo
2020-02-22 05:32:19
原创 隱馬爾科夫模型HMM學習（三）
找到可能性最大的隱含狀態序列 崔曉源 翻譯 多數情況下，我們都希望能夠根據一個給定的HMM模型，根據觀察狀態序列找到產生這一序列的潛在的隱含狀態序列。 1、窮舉搜索方法 我們可以通過窮舉的方式列出所有可能隱含狀態序列，並算出每一種隱狀
2020-02-22 05:32:19
原创 隱馬爾科夫模型HMM學習（一）
介紹 崔曉源 翻譯 我們通常都習慣尋找一個事物在一段時間裏的變化規律。在很多領域我們都希望找到這個規律，比如計算機中的指令順序，句子中的詞順序和語音中的詞順序等等。一個最適用的例子就是天氣的預測。 首先，本文會介紹聲稱概率模式的系統，用來
2020-02-22 05:32:19
原创 百度搜索引擎詳解
今天無意中讀到的，網上轉載很多了，不過還是忍不住在轉載一番，不過原文就找不到了，讀得有點累，但是多少有點啓發了，推薦一下。 查詢處理以及分詞技術 隨 着搜索經濟的崛起，人們開始越加關注全球各大搜索引擎的性能、技術和日流量。作爲企業，會根據
2020-02-22 05:32:19
原创 二值形態學——膨脹，腐蝕
最近在做一個Motion Detection的課題，在課題中提取的運動物體往往由離散的點組成，如果要用連通分量的計算方法提取每個運動物體的輪廓不太容易，爲此要將由離散點組成的圖像進行膨脹，腐蝕運算。 膨脹 dilation 考慮兩幅二值圖
2020-02-22 05:32:19
原创 一種規則和統計相結合的分詞算法
一種規則和統計相結合的分詞算法 點贊 收藏 分享 文章舉報 jackfirst86 發佈了27 篇原創文章 · 獲贊 1 · 訪問量 7萬+ 私信
2020-02-22 05:32:19
原创 N-gram模型
N-Gram是大詞彙連續語音識別中常用的一種語言模型，對中文而言，我們稱之爲漢語語言模型(CLM, Chinese Language Model)。漢語語言模型利用上下文中相鄰詞間的搭配信息，在需要把連續無空格的拼音、筆劃，或代表字
2020-02-22 05:32:19
8