共40个项目结果

nematus Python Star 0

  • **nematus**是一个神经机器翻译编解码器模型。 显著特点包括: - 支持RNN和Transformer架构 - 支持先进的RNN架构: 任意输入特征(分解神经机器翻译); deep models (Miceli Barone et al., 2017); 所有图层上的dropout (Gal, 2015); 嵌入式绑定(Press and Wolf, 2016); 图层正则化; 词汇模型(Nguyen and Chiang, 2018); - 训练特征: 多GPU支持文档; 标签平滑; 使用用户定义的终止条件提前停止; 恢复训练(可选MAP-L2正则化到原始模型); - 评分和解码功能: 批解码; n-best输出; 评分脚本(给定并行语料库)和重新取新脚本(n-best输出); 服务器模式; - 其他可用性特性: 用于训练、评分和解码的命令行接口; json格式的模型超参数存储,词汇表文件和训练进度; 13个翻译方向的预训练模型; 向后兼容性:继续使用带有当前代码基的公开发布的模型(提供了将Theano转换为tensorflow样式的模型的脚本);
  • 原始仓库地址:https://github.com/EdinburghNLP/nematus.git 浏览量:1985 下载量:458 3 months前

    OpenNMT-tf Python Star 0

  • **OpenNMT-tf**是一个使用TensorFlow的通用序列学习工具包。虽然神经机器翻译是主要的目标任务,但它已被设计成更广泛的支持。包括: - 序列到序列映射 - 序列标记 - 序列分类 - 语言建模
  • 原始仓库地址:https://github.com/OpenNMT/OpenNMT-tf 浏览量:1861 下载量:481 3 months前

    mosesdecoder C Star 0

  • **mosesdecoder**是一个机器翻译系统。http://www.statmt.org/moses 建造和安装说明在网上: http://www.statmt.org/moses/?n=Development.GetStarted 问题应直接发送到邮件列表(发送邮件前不要忘记注册): http://mailman.mit.edu/mailman/listinfo/moses-support
  • 原始仓库地址:https://github.com/moses-smt/mosesdecoder.git 浏览量:1109 下载量:133 3 months前

    emotional Javascript Star 0

  • **emotional**这个版本库是Node.js的主观和情感/极性分析库。模式的部分端口。安特卫普大学(University of Antwerp)的剪辑库,所以所有的荣誉都归于原著作者汤姆·德·斯梅特(Tom De Smedt)和沃尔特·达勒曼斯(Walter Daelemans)。它是基于他们自己获得的形容词情感数据库。从他们的网站上摘录的解释(为了适应这个模块稍微修改了一下):书面文本大致可以分为两类:事实和观点。意见承载着人们对世界的情感、评价和感受。情感模块包含了在产品评论中经常出现的形容词(如good、bad、amazing、、、…),并以情感极性(positive negative)和主观性(objective subjective)的评分进行标注。函数返回一个{极性:[- 1,1],主观性:[0,1],评估:…}对象,基于所包含的形容词,其中极性为-1.0到+1.0之间的值,主观性为0.0到1.0之间。这个句子应该是一个字符串。如果给定句子的极性高于该阈值,则正(句子,阈值)函数返回True。阈值可以降低或提高,但是总的来说+0.1为产品评审提供了最佳结果。电影评论的准确率约为75%。
  • 原始仓库地址:https://github.com/ticup/emotional.git 浏览量:1628 下载量:944 3 months前

    knowledge C Star 0

  • 本项目是一个简单的Go社区的知识图谱,Knowledge Graph 你可以访问一下网址查看详情:https://www.processon.com/view/link/5a9ba4c8e4b0a9d22eb3bdf0
  • 原始仓库地址:https://github.com/gocn/knowledge.git 浏览量:1225 下载量:857 3 months前

    awesome-speech-recognition-speech-synthesis-papers C Star 0

  • 这个版本库包含自动语音识别/语音合成论文集合,包括HMM, DNN, RNN, CNN, Seq2Seq, Attention。 自动语音识别的研究已有几十年的历史,语音识别模型从HMM-GMM发展到今天的深度神经网络。通过这张出色的论文路线图,我们很有必要了解语音识别的历史。我将涵盖从传统模型到现在流行的模型的论文,不仅仅是声学模型或ASR系统,还有很多有趣的语言模型。
  • 原始仓库地址:https://github.com/zzw922cn/awesome-speech-recognition-speech-synthesis-papers.git 浏览量:1266 下载量:789 3 months前

    nmt Python Star 0

  • **神经机器翻译(seq2seq)教程**: seq2seq模型在机器翻译、语音识别和文本摘要等多种任务中取得了巨大的成功。本教程向读者全面介绍了seq2seq模型,并展示了如何从头构建具有竞争力的seq2seq模型。神经机器翻译(NMT)是seq2seq模型的第一个成功的实验平台。所包含的代码是轻量级的、高质量的、可生产的,并与最新的研究思想相结合。我们的目标是: 1. 使用最新的解码器, TensorFlow 1.2数据迭代器 1. 结合我们强大的专业知识,建立seq2seq模型 1. 为建立最好的NMT模型和复制谷歌的NMT (GNMT)系统提供技巧
  • 原始仓库地址:https://github.com/tensorflow/nmt.git 浏览量:1719 下载量:677 3 months前

    awesome-information-retrieval C Star 0

  • **awesome-information-retrieval**是一个信息检索和网络搜索资源的精选列表,来源于网络。
  • 原始仓库地址:https://github.com/harpribot/awesome-information-retrieval.git 浏览量:1964 下载量:534 3 months前

    emotional_analysis Java Star 0

  • 基于Spark网易云音乐数据分析 包含爬虫,Scala码,Spark,Hadoop,ElasticSearch,logstash,Flume,echarts,log4j emotional_analysis_spider 爬虫模块 emotional_analysis_web 数据处理模块(Scala代码) emotional_analysis_recommend 推荐模块目前还未开发 emotional_analysis_web 报表展现模块 Crawler-sample-data 爬虫抓取样例数据 MySQL-yuncun MySQL数据库结构及数据 config ES logStash Flume 相关配置文件 mlib-text 机器学习分类测试相关数据 statistical-static-txt SparkSQL相关关联静态数据 **分析内容** 1.图计算 2.机器学习预测歌曲分类 3.评论词云 4.评论时间段 5.评论top榜 6.热歌top榜 7.用户性别比例 8.用户星座比例 9.用户年龄比例 10.用户全国地理分布 11.热评搜索等
  • 原始仓库地址:https://github.com/20100507/emotional_analysis.git 浏览量:1263 下载量:387 3 months前

    nqg Lua Star 0

  • **nqg**这一项目讲述了神经问题生成系统在阅读理解任务中的实现。此外,章节级模型和句子级模型将很快推出。 如果您使用我们的数据或代码,请引用我们的论文如下: title={Learning to Ask: Neural Question Generation for Reading Comprehension}, author={Du, Xinya and Shao, Junru and Cardie, Claire}, booktitle={Association for Computational Linguistics (ACL)}, year={2017} 论文地址为:https://arxiv.org/abs/1705.00106
  • 原始仓库地址:https://github.com/xinyadu/nqg.git 浏览量:1749 下载量:698 3 months前

    ihub@pcl.ac.cn 鹏城实验室人工智能研究中心

    版权所有:鹏城实验室    粤ICP备18066427号-6    Powerd by 国防科技大学Trustie