The C Programming Language, Second Edition
2022-04-01 16:43:04 19.14MB 程序设计
1
此版本共支持 45 种编译器和 42 种加壳、加密类型。
2022-04-01 10:53:18 184KB 查壳软件
1
中国自然语言处理(NLP)的共享任务,数据集和最新结果中文NLP中国自然语言处理(NLP)的共享任务,数据集和最新结果任务表共同引用分辨率对话状态管理情感分类实体链接实体标记语言建模机器翻译多任务学习词性(POS)标记问题回答关系提取情感分析简体/传统转换拼写校正文本摘要主题分类音译词嵌入W
2022-03-31 10:33:32 629KB Python Natural Language Processing
1
本压缩包中包含Git-2.22.0-64-bit,TortoiseGit-2.8.0.0-64bit.msi,TortoiseGit-LanguagePack-2.8.0.0-64bit-zh_CN.msi三个运行文件,将三个文件安装后你就可以在电脑上很方便的使用git了 Git(读音为/gɪt/。)是一个开源的分布式版本控制系统,可以有效、高速地处理从很小到非常大的项目版本管理. tortoiseGit是一个开放的git版本控制系统的源客户端. TortoiseGit-LanguagePack: 中文包 具体的安装可以参考我的博客
2022-03-30 15:02:33 67.25MB git windows TortoiseGit-Lang TortoiseGit
1
华侨城 OCTIS(优化和比较主题模型很简单)旨在训练,分析和比较主题模型,其最佳超参数通过贝叶斯优化方法进行估算。 安装 您可以使用以下命令安装OCTIS: pip install -e . 您可以在requirements.txt文件中找到需求。 特征 我们提供了一组最新的预处理文本数据集(或者您可以预处理自己的数据集) 我们提供了一组著名的主题模型(经典模型和神经模型),或者您可以集成自己的模型 您可以使用几种最新的评估指标来评估模型 您可以使用贝叶斯优化相对于给定指标优化模型的超参数 我们提供了一个简单的网络信息中心,用于启动和控制优化实验 获取预处理的数据集 要获取数据集,您可以使用内置源之一。 from octis . dataset . dataset import Dataset dataset = Dataset () dataset . load ( "oc
1
c语言实现两个整数的混合拼接,将两个int类型的数根据其数位不同拼接起来的函数实现方法
2022-03-23 19:04:12 223B C language C++
1
1 Billion Word Language Model Benchmark. The purpose of the project is to make available a standard training and test setup for language modeling experiments. PART 2
2022-03-18 10:55:06 500.84MB NLP
1
veriloga的辅助手册 This Verilog-A Hardware Description Language (HDL) language reference ... and semantics of Verilog-A HDL as proposed by Open Verilog International (OVI).
2022-03-14 19:13:40 272KB veriloga cadence
1
MatchPyramid用于语义匹配 MatchPyramid模型的简单Keras实现,用于语义匹配。 请参考论文: 快速浏览 输入数据格式 火车/有效套票: label |q1 |q2 1 |Q2119 |D18821 0 |Q2119 |D18822 测试集: q1 |q2 Q2241 |D19682 Q2241 |D19684 预处理语料库: qid |words D9980 |47 0 1 2 3 4 5 6 7 8 9 10 D5796 |21 40 41 42 43 44 14 45 字词嵌入: word |embedding (50-dimension) 28137 |-0.54645991 2.28509140 ... -0.34052843 -2.01874685 8417 |-9.01635551 -3.80108356 ... 1.86873138 2.147
1
亚马逊评论情绪分析 情感分析一直在增长-既由于深度学习中使用了新的分析技术,又因为到处都有大量的数据生成。 每条产品评论,每条推文,每条Reddit帖子等均包含我们希望能够处理和理解的主观信息。 例如,假设您是Netflix。 然后,您对客户对您的服务和电视节目/电影选择要说的话非常感兴趣,并且您可能会希望挖掘Facebook帖子和推文以及IMDB评论等,以评估公众意见。 如果您是一名政客,那么您(希望)对选民的想法,他们想要什么,他们持有哪些宝贵价值观等感兴趣,因此您可能会有一个团队来分析这些领域的公众情绪。 如果您是企业家,那么您会对公众舆论感兴趣,因为它关系到您的利基,产品和竞争,因为
1