细粒度情感分类
此仓库显示了对各种NLP方法的比较和讨论，这些方法可以在（SST-5）数据集上执行5级情感分类。 目标是使用多个基于规则，基于线性和神经网络的分类器来预测此数据集上的类，并查看它们之间的区别。
当前已实现以下分类器：
TextBlob ：基于规则，使用库中的内部polarity度量。
Vader ：基于规则，使用库中的compound极性分数。
Logistic回归：在将词汇表转换为特征向量并考虑使用TF-IDF的词频影响后，在scikit-learn中训练简单的logistic回归模型。
SVM ：在将词汇表转换为特征向量并使用TF-IDF考虑词频的影响后，在sci
2021-08-19 22:24:07
1.55MB
1
双线性神经网络
林崇宇，Aruni RoyChowdhury，Subhransu Maji提出的的双线性CNN的pytorch实现。 整个模型的框架如下图所示：
在此实现中，基础网络使用resnet34结构
依存关系
python> = 3.5 火炬> = 0.4 另外，请将项目文件夹添加到PYTHONPATH并pip install以下软件包：
tqdm
数据
下载图片和注释。 将它们提取到data/raw/
训练
根据本文的要求，该模型的训练分为以下两个步骤：
预训练模型的参数是固定的，只训练最后一个完整的连接层。 运行以下代码。 python bilinear_ResNet_linear_layer.py 在此步骤中，需要计算图像数据的平均值和方差，以进行图像预处理
模型中的所有参数都经过训练。 运行以下代码。 python bilinear_ResNet_fine_tunin
2021-08-16 10:58:19
117KB
1
本书论述在设计和建造数据仓库中涉及的所有主要问题，论述分析型环境(决策支持系统环境)以及在这种环境中的数据构造。主要内容包括数据仓库的设计与建造步骤，传统系统到数据仓库的迁移，数据仓库的数据粒度、数据分割、元数据管理、外部数据与非结构化数据，分布式数据仓库、高级管理人员信息系统和数据仓库的设计评审等。 本书主要是面向数据仓库的设计、开发和管理人员，以及构造和使用现代信息系统的人员，也适于信息处理方面的高校师生和从事传统数据库系统技术工作的人阅读。
目录
译者序
审、译者简介
前言
第1章 决策支持系统的发展 1
1.1 演化 1
1.2 直接存取存储设备的产生 2
1.3 个人计算机/第四代编程语言技术 3
1.4 进入抽取程序 3
1.5 蜘蛛网 4
1.6 自然演化体系结构的问题 5
1.6.1 数据缺乏可信性 5
1.6.2 生产率问题 8
1.6.3 从数据到信息 10
1.6.4 方法的变迁 11
1.7 体系结构设计环境 12
1.7.1 体系结构设计环境的层次 13
1.7.2 集成 14
1.8 用户是谁 15
1.9 开发生命周期 15
1.10 硬件利用模式 16
1.11 建立重建工程的舞台 16
1.12 监控数据仓库环境 17
1.13 小结 19
第2章 数据仓库环境 20
2.1 数据仓库的结构 22
2.2 面向主题 23
2.3 第1天到第n天的现象 26
2.4 粒度 28
2.4.1 粒度的一个例子 29
2.4.2 粒度的双重级别 31
2.5 分割问题 34
2.6 样本数据库 34
2.7 数据分割 35
2.8 数据仓库中的数据组织 37
2.9 数据仓库—标准手册 41
2.10 审计和数据仓库 41
2.11 成本合理性 41
2.12 清理仓库数据 42
2.13 报表和体系结构设计环境 42
2.14 机遇性的操作型窗口 43
2.15 小结 44
第3章 设计数据仓库 45
3.1 从操作型数据开始 45
3.2 数据/过程模型和体系结构设计环境 49
3.3 数据仓库和数据模型 50
3.3.1 数据模型 52
3.3.2 中间层数据模型 54
3.3.3 物理数据模型 58
3.4 数据模型和反复开发 59
3.5 规范化/反规范化 60
3.6 数据仓库中的快照 65
3.7 元数据 66
3.8 数据仓库中的管理参照表 66
3.9 数据周期 67
3.10 转换和集成的复杂性 70
3.11 触发数据仓库记录 71
3.11.1 事件 72
3.11.2 快照的构成 72
3.11.3 一些例子 72
3.12 简要记录 73
3.13 管理大量数据 74
3.14 创建多个简要记录 75
3.15 从数据仓库环境到操作型环境 75
3.16 正常处理 75
3.17 数据仓库数据的直接访问 76
3.18 数据仓库数据的间接访问 76
3.18.1 航空公司的佣金计算系统 76
3.18.2 零售个性化系统 78
3.18.3 信用审核 80
3.19 数据仓库数据的间接利用 82
3.20 星型连接 83
3.21 小结 86
第4章 数据仓库中的粒度 87
4.1 粗略估算 87
4.2 粒度划分过程的输入 88
4.3 双重或单一的粒度？ 88
4.4 确定粒度的级别 89
4.5 一些反馈循环技巧 90
4.6 粒度的级别—以银行环境为例 90
4.7 小结 95
第5章 数据仓库和技术 96
5.1 管理大量数据 96
5.2 管理多介质 97
5.3 索引/监视数据 97
5.4 多种技术的接口 97
5.5 程序员/设计者对数据存放位置的控制 98
5.6 数据的并行存储/管理 99
5.7 元数据管理 99
5.8 语言接口 99
5.9 数据的高效装入 99
5.10 高效索引的利用 100
5.11 数据压缩 101
5.12 复合键码 101
5.13 变长数据 101
5.14 加锁管理 102
5.15 单独索引处理 102
5.16 快速恢复 102
5.17 其他的技术特征 102
5.18 DBMS类型和数据仓库 102
5.19 改变DBMS技术 104
5.20 多维DBMS和数据仓库 104
5.21 双重粒度级 109
5.22 数据
2021-08-14 22:51:57
6.66MB
1
行业分类-物理装置-一种细粒度识别方法、终端设备及计算机可读存储介质.zip
2021-08-08 21:07:32
349KB
目录
饿了么数据安全需求背景
利用细颗粒度属性加密解决痛点
饿了么属性加密技术应用场景
属性加密技术具体实现
2021-08-07 18:00:34
816KB
Attribute-Aware Attention Model ：用于细粒度表示学习的属性感知注意模型
2021-07-29 10:41:58
672KB
1