HMM与LTP词性标注之LTP介绍

文章目录







上图缺点:参数太多,中文语料库匮乏

注意力机制,相当于给每一个词赋予一个权重,权重越大的越重要。

bert的缺点:神经元太多,较慢。

LTP

如果只是需要做词性的识别,那么用LTP就可以了,由哈工大自主研发。

主页:http://ltp.ai/index.html







目前python主要用LTP,目前已经发展到4.0的版本。

在最后一个章节,就用LTP完成词性标注、包括分词,最后再把它整合成图谱,通过python自动插入到xxx中去,完成这么一系列的操作,

相关推荐
软件技术NINI4 分钟前
DeepSeek 大模型落地应用实战指南
大数据·人工智能
大模型真好玩26 分钟前
大模型训练全流程实战指南实战篇(十八)——微调问答对数据构建技术
人工智能·agent·deepseek
甲维斯27 分钟前
谷歌太抽象了,快速测一下Hydrogen!
人工智能
Dawson Zhu1 小时前
【分布式训练⑧】通信优化:NCCL、Ring AllReduce与计算通信重叠
人工智能·语言模型·架构·aigc·agi
泯泷1 小时前
AI Agent 工具设计:给模型装上“手脚”,为什么不能只会调用 API?
人工智能·llm·agent
在所不辞兄1 小时前
【人工智能驱动的电催化研究-07】CSV文件、路径与可追溯记录
人工智能·深度学习·神经网络·机器学习·有限元·电化学·电催化
装不满的克莱因瓶2 小时前
【从零搭建】AI大模型之ReactAgent智能体对接MCP实战
java·人工智能·ai·springai·mcp·springaialibaba
百度Geek说2 小时前
研发Loop的上下文优化与多Agent协作实践
人工智能
七夜zippoe2 小时前
Nexent 模型配置:4 字段与 9 个槽位
数据库·人工智能·模型·nexent
硅农程序猿2 小时前
SOC 物理实现: RTL2GDS 系列(二)—Innovus 初始化
人工智能·嵌入式硬件·硬件架构