注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于条件随机域CRF模型的文本信息抽取

  2. 为了抽取文本中的信息，在分析对比了4种统计建模原型后，选用条件随机域CRY建立抽取模型，提出了一种文本信息抽取的方法。该方法对文本分析后加标注，确定文本特征集，采用有限内存拟牛顿迭代方法L—BFGS算法估计CRF模型参数，根据训练学习得出的模型，实现科研论文数据集头部文本信息的抽取。实验结果表明，使用CRF模型的抽取准确率达到90％以上，远远高于使用HMM模型的抽取准确率。

  3. 所属分类：专业指导

    • 发布日期：2011-12-26
    • 文件大小：187392
    • 提供者：xiaoxi900617

  1. 201年人民日报标注语料

  2. 这个人命日报语料还不错，用作学习建模十分好。 在做crf建模的时候建议加上自己制作的语料 加强语料里面的识别特征

  3. 所属分类：深度学习

    • 发布日期：2018-03-27
    • 文件大小：93323264
    • 提供者：weixin_40978418

  1. 概率图模型

  2. https://blog.csdn.net/coder_oyang/article/details/81021978 word文档，从建模的角度出发，逐步分析HMM、CRF模型

  3. 所属分类：机器学习

    • 发布日期：2018-07-13
    • 文件大小：49152
    • 提供者：coder_oyang

  1. 煤矿巷道支护领域知识图谱构建

  2. 针对煤矿巷道支护专家系统知识内容有限、知识难以融合共享、无法从非结构化数据中挖掘相关知识等问题，构建了煤矿巷道支护领域知识图谱。首先通过设计领域概念、关系及属性对煤矿巷道支护领域知识建模;然后从煤矿巷道支护领域结构化、半结构化、非结构化数据源获取知识，并基于深度学习模型BI-LSTM-CRF进行实体识别;最后利用图数据库Neo4j存储煤矿巷道支护领域知识，形成煤矿巷道支护领域知识图谱。煤矿巷道支护领域知识图谱可进一步提升煤矿巷道支护设计和管理效率，为煤矿巷道支护智能化管理提供知识支持。

  3. 所属分类：其它

    • 发布日期：2020-04-30
    • 文件大小：705536
    • 提供者：weixin_38508549

  1. pseudo_app:Etalab的实验室IA假名演示源代码-ps source code

  2. 伪App 该演示应用程序是的文档假名化工作的一部分。 其他实验室IA项目可以在发现 。 项目状态：[有效] 简介/目标 此存储库的目的是为我们开发的假名化工具提供快速演示。 假名化项目的更大目标是根据法律要求，帮助法国的Conseil d'État法院向公众公开其司法裁决。 有关假名和该项目的更多信息，请参见的法语假名指南。 在该网站的后面，有一个API可以完成文本标记和假名的工作。 使用方法 自然语言处理：信息提取：命名实体识别 自然语言处理：语言建模/特征学习：单词嵌入 机器学习：深度学习

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：82944
    • 提供者：weixin_42118770

  1. Human-Pose-Estimation-Papers:2D＆3D人体姿势估计-源码

  2. 人的姿势估计文件 [CVPR 2016]-201511 -201602 其他 联合关节的3D深度卷积描述符进行动作识别 2D姿势 使用深度共识投票的人体姿势估计 通过卷积部分热图回归进行人体姿态估计 用于人体姿势估计的堆叠沙漏网络 DeeperCut：更深入，更强大，更快的多人姿势估计模型 3D姿势 迈向视点不变的3D人类姿势估计 基于贝叶斯图像的3D姿势估计 保持不变SMPL：从单个图像（聚光灯）自动估计3D人体姿势和形状 3D人体姿势估计的顺序方法：身体关

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：5120
    • 提供者：weixin_42133969

  1. 复杂场景下基于条件随机场的视觉目标跟踪

  2. 目标模型更新中存在的模型漂移问题,是影响视频跟踪结果的一个重要因素。针对这一难题,提出了一种新的基于前景分割的目标跟踪算法。算法通过引入条件随机场(CRF)模型对跟踪区域和非跟踪区域的时空关系进行建模,实现对图像序列中像素点的标记,标记为跟踪目标或背景,并使用在线学习方法,根据场景的变化调整CRF模型的参数。跟踪过程中,通过对CRF模型的求解,得到最优的标记场和目标像素的置信图像;利用置信图像,结合目标模型的相似性度量定位整个目标;根据目标区域内的标记结果,使用一种选择性采样的方式更新目标模型,

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：3145728
    • 提供者：weixin_38678521

  1. sequence-labeling-BiLSTM-CRF：在Tensorflow中实现的经典BiLSTM-CRF模型，用于序列标记任务。 在Vex版本中，一切都是可配置的-源码

  2. BiLSTM + CRF用于顺序标记任务 :rocket: :rocket: :rocket: BiLSTM + CRF模型的TensorFlow实现，用于序列标记任务。 项目特色 基于Tensorflow API。 高度可扩展; 一切都是可配置的。 模块化，结构清晰。 对初学者非常友好。 容易DIY。 任务与模型 Sequential labeling是对NLP中的序列预测任务进行建模的一种典型方法。 常见的顺序标记任务包括例如 词性（POS）标记， 块， 命名实体识别（NE

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：76546048
    • 提供者：weixin_42128988

  1. 结合CRF与ShapeBM形状先验的图像标记

  2. 条件随机场（CRF）是一种强大的图像标记模型，适合描述图像相邻区域间（例如超像素）的相互作用。然而，CRF没有考虑标记对象的全局约束。对象的整体形状可以作为对象标记的一种全局约束，利用形状玻尔兹曼机（ShapeBM）在建模对象的整体形状方面的优势，提出了一种CRF与ShapeBM相结合的标记模型。标记模型建立在超像素的基础上，并通过pooling技术在CRF的超像素层与ShapeBM的输入层间建立对应关系，增强了 CRF 与 ShapeBM 结合的有效性，提高了标记准确率。在 Penn-Fuda

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：1048576
    • 提供者：weixin_38592420