咖趣阁

手机浏览器扫描二维码访问

第300章 丸辣（第1页）

文本挖掘与分析名词解释10道题，英文缩写，例如RNN，LDA，MLP，FNN模型和算法的理解（word2vec等模型原理），损失函数，语言模型的概念，代码类：根据公式输出写源代码交叉熵损失设置参数解决数据不平衡1自然语言处理自然语言处理研究实现人与计算机之间用自然语言进行有效通信的各种理论和方法。

自然语言处理技术发展经历了基于规则的方法、基于统计学习的方法和基于深度学习的方法三个阶段。

自然语言处理由浅入深的四个层面分别是形式、语义、推理和语用，当前正处于由语义向推理的发展阶段。

2文本分类文本分类是机器对文本按照一定的分类体系自动标注类别的过程，也是自然语言处理最早的应用领域之一。

你能想到哪些自动文本分类应用？垃圾邮件分类，新闻类型分类，...情感分析情感分析也可以认为是文本分类的一个子类型。

情感分析往往应用于电商的用户评价分析，微博等自媒体的用户留言倾向分析，或者公共事件的舆情分析。

3信息抽取信息抽取是采用机器学习算法从非结构化文本中自动抽取出用户感兴趣的内容，并进行结构化处理。

例如命名实体识别、实体关系抽取、事件抽取、因果关系抽取文本生成包括自动文章撰写、自动摘要生成等内容4信息检索信息检索指信息按一定的方式组织起来，并根据用户的需要找出有关的信息的过程和技术。

搜索引擎是当前主流的信息检索方式，从最初的关键词匹配算法到如今的语义检索技术，用户已经能够随心所欲的检索自己所需的信息。

中心度：在图论和网络分析中，中心度用来衡量节点在图中的重要性，中心度并不是节点本身带有的属性，而是一种结构属性，是在图或网络结构下节点才具有的属性。

中心度可用来解决不同领域的问题：例如在社交网络中寻找影响力最大的用户，在互联网或城市网络中寻找关键的基础设施，以及在疾病网络中发现超级传播者度中心度：指节点与其他节点相连边的数量，即通过节点的邻居数目（局部信息）来计算节点度重要程度。

基本思想：节点与网络中其他节点的交互都是通过其邻居节点来进行的，因此节点的邻居越多，意味着该节点能够向外传递的信息越多，从网络外部接受信息也越容易。

有向网络中，又可以定义出度中心度、入度中心度。

社区发现是根据网络中的边的连接模式，把网络顶点划分为群组。

将网络顶点划分为群组后最常见的属性是，同一群组内部的顶点之间紧密连接，而不同群组之间只有少数边连接。

社团发现的目的是就要找到网络内部不同群组之间的自然分割线。

简而言之，它是一个把网络自然划分为顶点群组的问题，从而使得群组内有许多边，而群组之间几乎没有边。

然而，“许多”

和“几乎没有”

到底是多少，这个问题值得商榷，为此提出了多种不同的定义，从而产生了不同的社团发现算法8基于层次聚类的算法。

第一阶段：称为ModularityOptimization，主要是将每个节点划分到与其邻接的节点所在的社区中，以使得模块度的值不断变大；第二阶段：称为CommunityAggregation，主要是将第一步划分出来的社区聚合成为一个点，即根据上一步生成的社区结构重新构造网络。