原创 【支持向量機SVM】 算法原理 公式推導 python編程實現

1.前言   學習筆記,即TensorFlow實現源碼地址:https://github.com/lsq960124/DeepLearning/blob/master/TensorFlow%20notes/TensorFlow%20bas

原创 【TextRank】關鍵詞提取 算法原理 公式推導 源碼分析

1.前言     在介紹TextRank前,我想先給大家介紹下PageRank,實質上個人認爲可以把TextRank當做PageRank2.0。     谷歌的兩位創始人的佩奇和布林,借鑑了學術界評判學術論文重要性的通用方法,“那就是看論

原创 【邏輯迴歸LR】算法原理 公式推導 python編程實現

學習筆記,TensorFlow實現源碼地址: https://github.com/lsq960124/DeepLearning/blob/master/TensorFlow%20notes/TensorFlow%20basis03.ip

原创 【決策樹DT】 算法原理 公式推導 python編程實現

1.信息增益   1.1 信息熵         在信息論中,信息熵度量樣本集合純度是最常用的一種指標,信息熵用來描述信源的不確定度。例如: A=太陽從東方升起 B=太陽從西方升起       對於句子A,確定度很高,基本爲

原创 【word2vec】算法原理 公式推導

前言     近兩年來由Mikolov等人提出的word2vec模型和應用引起了社會的極大的關注。使用word2vec模型學習的單詞的向量表示已經被證明能夠攜帶語義信息,且在各種NLP任務中都是有用的。越來越多的研究人員希望嘗試使用wor

原创 【神經網絡DNN】算法原理 公式推導 python編程實現

  1.前言 如圖是一個神經網絡的簡化結構,隱藏層每一個節點都是一個神經元,比如下圖的a1,a2,a3。機器學習中的神經網絡是模擬生物神經網絡結構,每個神經元與其他神經元相連,當神經元的電位超過了一個‘閾值’,那麼它就會被激活,即‘興奮’

原创 如何構建一個圖書推薦系統

首先展示一下項目: 前言           本項目會指導大家從零開始開始構建一個針對於圖書的推薦系統。首先我們明確一下我們的目標和所需要做的工作: 目標: 打造一個圖書推薦系統 功能: 熱門書籍 將評分排名最高的幾本書推薦給用戶

原创 如何構建一個新聞搜索引擎

首先展示一下項目效果圖:  前言: 本項目會指導大家從零開始開始構建一個針對於新浪新聞的搜索引擎.首先我們明確一下我們的目標和所需要做的工作: 目標: 構建一個搜索引擎  所需工作: 準備數據 一個搜索引擎的查詢算法 一個爲每個新聞的

原创 各種問答機器人平臺調研

市場上的機器人平臺 國外 wit.ai Web 支持Story模式來設置對話,所謂一個Story就是一個一句話無法完成的,可能多條對話組成的一個“故事”。例如,買電影票: Q:我要買電影票? A:好的,你要買哪部電影? Q:南方公園

原创 導論:什麼是 Conversational Robot

包括 Dialogue System, QA System, Chatbot 簡述。 Conversational Robot 的來歷 主要是爲了避免dialogue和chat這兩個詞。 Dialogue System 和 Chatb

原创 對話機器人技術簡介:問答系統、對話系統與聊天機器人

文章問題 一些地方論文格式寫的是(作者, 論文標題, 年份) 部分地方的說法和示例可能還有待推敲 對話機器人技術簡介 自從iPhone 4S開始內置Siri,到現在各種智能音箱,或者扎克伯格說自己做的智能管家, 我認爲都算是對話機

原创 聊天機器人:神經對話模型的實現與技巧

Sequence-to-Sequence 模型 模型流程 input_text => encoder => decoder => target_text Seq2Seq模型流程僞代碼(python) 訓練時: # 這兩條是訓練數據

原创 關於搭建問答系統的流程細節

用戶輸入 來源可以是web、微信、微博、等等一切類似平臺 用戶輸入類型應該以文字爲主 文字 語音 語音可以通過API識別爲文字。在不同平臺可能有不同的語音識別解決方案,例如在微信中可以考慮使用騰訊的服務。 或者使用其他第三方服務,下面

原创 算法必備基礎知識攻關

1)迴歸算法: * 最小二乘法(OrdinaryLeast Square) * 邏輯迴歸(Logistic Regression) * 逐步式迴歸(Stepwise Regression) (縮減方法) * 多元自適應迴歸樣條(Multi

原创 如何使上下文信息更有用? 關於上下文感知的神經對話模型的實證研究

論文標題:How to Make Context More Useful?An Empirical Study on Context-Aware Neural Conversational Models 論文地址:http://www.