1 藤井美娜 Python的NLP实战分享 如何实现合同风险预测模型 benchmark。 • 使用同一个分词办法来处理各领域的语言数据做一个词类频次分 布表，在各词性出现频次涂上颜色。 这些数据的倾向 会都一样吗？ ※BCCWJ语料库（現代日本語書き言葉均衡コーパス）请看：https://pj.ninjal.ac.jp/corpus_center/bccwj/ 使用corpus做EDA 37% |################################## 手机 汉语 57% |##################################################### 食べ/た 食べ/て/ない 携帯電話 携帯 ケータイ電話 けいたい ケータイ ｹｰﾀｲ 日语 食べる 携帯電話 • 动词活用的统一工作 • 名词的统一工作 | section2 NLP基础@日中英 59% |###################0 码力 | 36 页 | 3.95 MB | 1 年前3- 3 Python的NLP实战分享 如何实现合同风险预测模型 藤井美娜手机 汉语 57% |##################################################### 食べ/た 食べ/て/ない 携帯電話 携帯 ケータイ電話 けいたい ケータイ ｹｰﾀｲ 日语 食べる 携帯電話 • 动词活用的统一工作 • 名词的统一工作 | section2 NLP基础@日中英 59% |###################0 码力 | 33 页 | 1.67 MB | 1 年前3
共 2 条
- 1