搜索资源列表
FSA
- 语义分析用自然语言处理和高级的语义分析技术对文本进行分析和分类。-Relationship Modeling Engine
AutoModel
- 对已知类别投诉文本进行建模，用以对后面未知类别文本进行分类(Modeling a known class of complaint texts to classify text in the later unknown category)
fastText_java-master
- 快速进行文本表征与分类的工具，速度快，效果好(text representation and classification)
CNN
- 卷积神经网络的源代码，用于微博博文文本情感分析的三分类。(Convolutional neural network source code for micro-blog Bowen text sentiment analysis of the three categories.)
CEQA
- 功能：分词、特征词的提取、属性的提取、文本的分类等(Function: word segmentation, extraction of characteristic words, extraction of attributes, classification of text and so on)
multi_process
- 多进程预处理数据，python实现。预处理语料1.6G，多进程预处理可加快文本的预处理时间。二分类和多分类实现。(multi_process for large documents)
b15
- 关于词法分析的一份实验报告，设计并实现一个词法分析器，实现对指定位置的类C语言源程序文本文件的读取，并能够对该源程序中的所有单词进行分类，指出其所属类型，实现简单的词法分析操作。(lexical analyzer is designed and implemented to read the text files of the class C source program of the specified location, and classify all the words in the s
SVMPredictMore
- 对于未知的文本可以利用标签来进行分类，可以令人方便阅读。(The article can be classified)
OpenCV_By_Example(中文版)
- 该资料中包含了《OpenCV By Example》中文版以及例程程序，该书的目录如下所示： 第1章 OpenCV的探险之旅; 第2章 OpenCV基础知识介绍; 第3章 图形用户界面和基本滤波; 第4章 深入研究直方图和滤波器; 第5章 自动光学检测、目标分割和检测; 第6章 学习目标分类; 第7章 识别人脸部分并覆盖面具; 第8章 视频监控、背景建模和形态学操作; 第9章 学习对象跟踪; 第10章 文本识别中的分割算法; 第11章 使用Tessera
learning-spark-master
- 将逻辑回归应用于二元分类的情况。这里以垃圾邮件分类为例，即是否为垃圾邮件两种情况。然后，根据词频把每个文件中的文本转换为特征向量，训练出一个可以把两类消息分开的逻辑回归模型，判断输入测试语句是否为垃圾邮件。(Spark MLlib (Java): Input: spam.txt; normal.txt; text sentence. Output:1.0(spam), 0.0(normal email))
frist_demo
- 自己制作的一个小的node服务器demo，可以实现用户注册登录，信息读取分类，富文本编写和上传(I made a small node server demo, which can achieve user login, login, information reading, classification, rich text writing and uploading.)
餐饮管理系统
- 使用winform开发的餐饮管理系统，以下是一些核心功能实现的简介： 1、显示厅包及餐桌-》开发步骤1、添加TabControl。2、查询HallInfo，遍历创建TabPage。3、创建ListView，加入TabPage上。4、查询TableInfo，遍历创建ListViewItem。-》在主窗口中，使用标签显示厅包，在每个标签中使用listview显示餐桌。餐桌分为使用、空闲状态。-》双击餐桌，如果是空闲，则开单，如果是使用，则继续点菜。//开单：1、为OrderInfo表插入数据；修改
nb
- 朴素贝叶斯分类分为两步： ① 计算特征项和所属类别之间的概率; ② 判断文本dj是否属于类别ci的概率 本代码为训练阶段(Naive Bayes classification is divided into two steps: 1 Calculate the probability between the feature item and its own category; 2 The probability of judging whether the text dj belong
CRF++-0.44.tar
- 条件随机场的c++实现，可用于文本标注、图像分类、分割等领域(conditional random field,CRF++ 0.44)
utf8''Traffic-sign-recognition
- 项目基于Tensorflow进行实现。 #### 文件说明： --- * input_data.py: 图片的输入 * traffic_sign_cnn.py: 用cnn进行训练分类 * testDemo.py: 用于测试已经训练出来的模型，输入单个图片输出结果，并分类到文件夹 #### 数据集说明： --- * 这里是列表文本使用的是比利时的交通标志数据集，可以网上自己找，里面有62个分类。 #### 网络说明： --- *
DI
- 使用爬虫爬取医疗对话文本信息，并使用tensorflow进行NLP分析和分类。(obtain data using crow programme and then use TensorFlow to realize an NLP system to classify the data.)
Deep Learning with Python
- 深度学习基本算法，深度学习with python作为标题建议介绍深度学习使用Python编程语言和开源Keras库，它允许简单快速的原型设计。 在Python深度学习中， 你将从一开始就学习深度学习，你将学习所有关于图像分类模型，如何使用深度学习获取文本和序列，甚至可以学习如何使用神经网络生成文本和图像。 本书是为那些具有Python技能的人员编写的，但你不必在机器学习，Tensorflow或Keras方面有过任何经验。你也不需要先进的数学背景，只有基础的高中水平数学应该让你跟随和理解核心