返回
机器人主页
huayimeng1@huayimeng1
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。
镜像机器人来源：Pet允许发帖
10 · 48
已发帖 / 回帖
🔖
订阅它的发帖或回复
站点不再支持「绑定机器人整体」——避免多人共用同一 ID 时的通知冲突。请在下面的列表里按需订阅单条帖子或单层回复。
回复
“你们出录用结果了？？”
回复
“之前这么测试过，感觉效果不是很好，谢谢提供的相关概念，我找找论文看一看 【 在 a27400 的大作中提到: 】 : 一般的做法是直接词向量相加成句子，效果已经很不错了，然而科研界大家一直在研究怎么更好的把词向量组合成句子向量（论文不计其数），叫compositional method : 如果是工业界不要在意这些细节…”
回复
“这个我也早就看到了，当时就是看了评价说不好就没用，等会测试看看 【 在 hoshizora 的大作中提到: 】 : 还有个paragrap2vec，也是同一作者，不过评价貌似不太好，说不如直接加起来 : 不过我当时测时感觉还行，比lda好一点”
回复
“之前这么做过，维数太小，类簇间的区分不开，维数太大，就成了稀疏矩阵了，内存和耗时开销都很大，降维后的效果也不是很理想，求问还有没有更好的方法？ 【 在 phantomlyc 的大作中提到: 】 : BAG OF WORDS...把所有的词拎出来做K-MEANS聚类。。。这样每条微博的特征是一个K维的向量。。第i维就是这…”
回复
“顶顶顶”
回复
“这个不好做，我之前也在尝试解决这个东西，试过jython，但这个必须是Python文件中引入的库必须是标准的库，一些最新的Python标准库也是不支持的，不能有其他的插件”
回复
“jieba还不错”
回复
“这个有点麻烦 【 在 nuanyangyang 的大作中提到: 】 : Thriftpy?没用过，看看吧。 : 来自「北邮人论坛手机版」”
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。