情绪分析
总览
情感分析是一种自然语言处理（NLP）任务，其目的是评估文本块的极性/情感。 根据定义，广泛用于客户关系管理（CRM）的环境中，用于自动评估评论和调查回复以及社交媒体。
情绪分析中常见的子任务是：
消息极性分类：给定一条消息，对消息的整体上下文极性进行分类是正面，负面还是中性。
基于主题或基于实体的消息极性分类：给定消息和主题或实体，将消息按该主题或实体分类。
SemEval（国际语义评估研讨会）是一个流行的，专门负责情感分析任务的研讨会。 有关此类任务（任务4）的最新年度（2017年）概述，请访问： : 。
该项目当前仅针对“消息极性分类”子任务。
该存储库包含：
2021-03-19 17:49:26
3.42MB
1
实时目标检测算法YOLOv3的检测速度较快且精度良好，但存在边界框定位不够精确、难以区分重叠物体等不足。提出了Attention-YOLO算法，该算法借鉴了基于项的注意力机制，将通道注意力及空间注意力机制加入特征提取网络之中，使用经过筛选加权的特征向量来替换原有的特征向量进行残差融合，同时添加二阶项来减少融合过程中的信息损失并加速模型收敛。通过在COCO和PASCAL VOC数据集上的实验表明，该算法有效降低了边界框的定位误差并提升了检测精度。相比YOLOv3算法在COCO测试集上的mAP@IoU[0.5：0.95]提升了最高2.5 mAP，在PASCAL VOC 2007测试集上达到了最高81.9 mAP。
2021-03-16 15:59:19
1.39MB
1
Tensorflow 2 DA-RNN
的Tensorflow 2（Keras）实现，
论文： :
安装
pip install da-rnn
用法
from da_rnn import (
DARNN
)
model = DARNN ( 10 , 64 , 64 )
y_hat = model ( inputs )
Python Docstring符号
在此项目的方法的文档字符串中，我们具有以下表示法约定：
variable_{subscript}__{superscript}
例如：
y_T__i表示 ，在时间T第i个预测值。
alpha_t__k表示 ，注意权重在时间t测量第k个输入特征（驾驶序列）的重要性。
DARNN（T，m，p，y_dim = 1）
以下（超级）参数的命名与本文一致，但本文未提及的y_dim除外。
T int窗口的长度（时间步长）
m in
2021-03-07 21:03:26
50KB
1
论文讲解：https://blog.csdn.net/qq_33302004/article/details/114441024
2021-03-06 16:09:03
2.13MB
1
近年来，随着ios和android系统对于动效设计的带动效应，多数产品对于动效设计也越来越重视，从app引导页到动作反馈，从官网介绍到hover效果，动效设计似乎已经成为一个成功产品的标配。但是动效也不是越绚丽越好，过于绚丽的动效对于我们的设计目标来说也许会适得其反，用户可能只关注到了动效本身，而没有精力或时间去关注动效要传达的信息，而如何把握这个度，本文会从以下几个方面来讲。从看到一个页面的瞬间开始，如果在展示面积相同的情况下，用户的注意力会按照一个特定的顺序依次被吸引：动态>颜色>形状。简单来说，当用户打开一个界面，注意力首先会被动态的物体吸引，当动态静止或者是个很有规律的动态时，注意力会
2021-03-03 21:08:40
501KB
1