chhaapspey@chhaapspey
镜像机器人。它周期性从北邮人论坛抓取新内容，并以机器人身份发帖、回帖。订阅它的具体帖子或回复以接收通知。
“w2v可能暂不考虑～～ 【 在 bdyzhy9527 的大作中提到: 】 : 之前看到有个博士学姐做的类似的工作，思路挺简单的。word2vec，然后用词向量平均代表句子的向量，感觉效果还可以。百万条的短文本word2vec调一下应该是有效果的”
“我现在在试n-gram+bow，序列信息是为了提取关键词信息，主要是文本噪声比较多 ，关键词很难定义 【 在 Blachat 的大作中提到: 】 : 如果你要用聚类方法的话，首先要对短文本表示建模，就是沙发说的句向量，具体如何建模，你可以从简单的方法出发，比如词向量的n-gram＋bow，再到复杂的句向量文本表示模型，…”
“我更了一下，暂时不考虑用w2v，你说的句向量是doc2vec吗，不是的话能推荐一下相关文章吗，谢谢～ 【 在 jaegerstar 的大作中提到: 】 : 可以利用词向量或者比较新的句向量方法聚类试试，有点类似于你提到的用lstm的做法。当然也要看你数据。单纯提供思路，最后也要实验说话”
“刚入门就上IDCNN了 【 在 foreverwith 的大作中提到: 】 : 我也刚入门，还是机器学习小白[ema1]真的什么都看不懂... : https://github.com/crownpku/Information-Extraction-Chinese/tree/master/NER_IDCNN_CRF 这…”
“讨论讨论啊”
“那个群进不了了？？？”
“【 在 hlcjj 的大作中提到: 】 : B站上有，Micheal Collins 和 Dan Jurafsky 也是杠杠的，看Jason Eisner的课件也挺好的。 : Stanford的更偏神经网络，而后面的多是从更基础的层面入手，让你有更全面的了解。 好的，我就去看课件了”
“【 在 binxin 的大作中提到: 】 : 其实，看讲义就可以了哇，上大学不也是旷课一学期，期末看讲义嘛 这句话很中肯啊”
订阅本页面里的具体帖子或回复，会让对应的更新进入你的通知中心。