自然语言处理导论 课件 第11章 自动文摘与信息抽取_第1页
自然语言处理导论 课件 第11章 自动文摘与信息抽取_第2页
自然语言处理导论 课件 第11章 自动文摘与信息抽取_第3页
自然语言处理导论 课件 第11章 自动文摘与信息抽取_第4页
自然语言处理导论 课件 第11章 自动文摘与信息抽取_第5页
已阅读5页,还剩6页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

《自然语言处理导论》第11章信息抽取无监督学习无监督学习:从无标注数据中学习分析模型的机器学习问题。无标注数据是“自然”得到的数据,分析模型表示数据的类别、转换等。2聚类3聚类4聚类5聚类6无监督学习无监督学习:从无标注数据中学习分析模型的机器学习问题无标注数据是“自然”得到的数据,分析模型表示数据的类别、转换等

无标注数据

特征(属性)输入空间(特征空间)模型实际上都是定义在特征空间上的输出空间聚类问题降维问题7无监督学习无监督学习:从无标注数据中学习分析模型的机器学习问题无标注数据是“自然”得到的数据,分析模型表示数据的类别、转换等学习系统

预测系统

无标注数据

特征(属性)输入空间(特征空间)模型实际上都是定义在特征空间上的输出空间聚类问题降维问题

②③“最好”④

⑤①数据、②模型、③策略、④算法、⑤应用本质:学习数据中的潜在规律或结构8无监督学习无监督学习的基本想法:对给定数据(矩阵数据)进行某种“压缩”,从而找到数据的潜在结构。假定损失最小的“压缩”得到的结果就是最本质的结构。

9特征样本无监督学习无监督学习的基本想法:对给定数据(矩阵数据)进行某种“压缩”,从而找到数据的潜在结构。假定损失最小的“压缩”得到的结果就是最本质的结构。

考虑发掘数据的纵向结构把相似的样本聚到同类,

即对数据进行聚类10特征样本无监督学习无监督学习的基本想法:对给定数据(矩阵数据)进行某种“压缩”,从而找到数据的潜在结构。假定损失最小的“压缩”得到的结果就是最本质的结构。

考虑发掘数据的横向结构把高维

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论