自然語言處理導論 課件 第11章 自動文摘與信息抽取_第1頁
自然語言處理導論 課件 第11章 自動文摘與信息抽取_第2頁
自然語言處理導論 課件 第11章 自動文摘與信息抽取_第3頁
自然語言處理導論 課件 第11章 自動文摘與信息抽取_第4頁
自然語言處理導論 課件 第11章 自動文摘與信息抽取_第5頁
已閱讀5頁，還剩6頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

《自然語言處理導論》第11章信息抽取無監(jiān)督學習無監(jiān)督學習：從無標注數(shù)據(jù)中學習分析模型的機器學習問題。無標注數(shù)據(jù)是“自然”得到的數(shù)據(jù)，分析模型表示數(shù)據(jù)的類別、轉換等。2聚類3聚類4聚類5聚類6無監(jiān)督學習無監(jiān)督學習：從無標注數(shù)據(jù)中學習分析模型的機器學習問題無標注數(shù)據(jù)是“自然”得到的數(shù)據(jù)，分析模型表示數(shù)據(jù)的類別、轉換等

無標注數(shù)據(jù)

特征（屬性）輸入空間（特征空間）模型實際上都是定義在特征空間上的輸出空間聚類問題降維問題7無監(jiān)督學習無監(jiān)督學習：從無標注數(shù)據(jù)中學習分析模型的機器學習問題無標注數(shù)據(jù)是“自然”得到的數(shù)據(jù)，分析模型表示數(shù)據(jù)的類別、轉換等學習系統(tǒng)

預測系統(tǒng)

無標注數(shù)據(jù)

特征（屬性）輸入空間（特征空間）模型實際上都是定義在特征空間上的輸出空間聚類問題降維問題

①

②③“最好”④

⑤①數(shù)據(jù)、②模型、③策略、④算法、⑤應用本質：學習數(shù)據(jù)中的潛在規(guī)律或結構8無監(jiān)督學習無監(jiān)督學習的基本想法：對給定數(shù)據(jù)（矩陣數(shù)據(jù)）進行某種“壓縮”，從而找到數(shù)據(jù)的潛在結構。假定損失最小的“壓縮”得到的結果就是最本質的結構。

9特征樣本無監(jiān)督學習無監(jiān)督學習的基本想法：對給定數(shù)據(jù)（矩陣數(shù)據(jù)）進行某種“壓縮”，從而找到數(shù)據(jù)的潛在結構。假定損失最小的“壓縮”得到的結果就是最本質的結構。

考慮發(fā)掘數(shù)據(jù)的縱向結構把相似的樣本聚到同類，

即對數(shù)據(jù)進行聚類10特征樣本無監(jiān)督學習無監(jiān)督學習的基本想法：對給定數(shù)據(jù)（矩陣數(shù)據(jù)）進行某種“壓縮”，從而找到數(shù)據(jù)的潛在結構。假定損失最小的“壓縮”得到的結果就是最本質的結構。

考慮發(fā)掘數(shù)據(jù)的橫向結構把高維

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論