共享一个用于信息抽取的专利标注数据集

陈亮 2020-9-6 07:10

最近把我们用于信息抽取的专利标注数据集放到github上共享了，地址： https://github.com/awesome-patent-mining/TFH_Annotated_Dataset 。 另外搭建了两个brat平台，其一用以浏览TFH_Annotated_Dataset标注数据， http://121.36.92.58:8001/ ， 其二用于浏览TFH_Annotated_Dataset所训练模型在新专利文本上的预 ...

个人分类: 文本挖掘|2419 次阅读|没有评论

Mean Field Variational Inference终于在我的大马尔科夫网上work了

陈亮 2019-1-7 19:08

我在 Brown University CS242 homework 5上 花了大概20天（当然是业余时间）左右，虽然结果仍然遗留了一个小尾巴，但对Mean field variational inferece在MRF/CRF上如何应用，算有一个清晰深入的认识，同时也学到一些小trick，比如如何解决计算exp(x)和log(x)时内存溢出的问题，同时发现原来CRF/MRF在多标签分类问题上 ...

个人分类: 文本挖掘|2839 次阅读|没有评论

文本挖掘实践小体会（二）

陈亮 2014-7-7 14:24

说到文本挖掘，python是不得不提的部分，python有一个自然语言工具包叫gensim，里面实现了很多功能如去停用词、词干提取、词性标注，同时可以很方便地将文档转化为向量，同时它也实现了LDA、LSA、TF_IDF等模型，确实是文本挖掘的利器，不过遗憾的是，我对python不熟，虽然我不认为学习一门计算机语言需要多 ...

个人分类: 文本挖掘|5611 次阅读|没有评论

文本挖掘实践小体会（一）

热度 1 陈亮 2014-7-7 00:01

虽然我早先了解一些文本挖掘的知识，但实际开始着手操作也就一年多的时间，这期间有些收获，但更多的是吐槽，遇到问题很多，使用过的工具、方法也不少，但至今并没有形成一套完整的工具，还是小作坊式的在处理一些文本挖掘的事情，不能不说遗憾，今天写这些，是对我以往工作中一些心得的总结，更为自己以后 ...

个人分类: 文本挖掘|5224 次阅读|3 个评论 热度 1

本页有 2 篇博文因作者的隐私设置或未通过审核而隐藏