• NLP ATC （automation text classification） 文本分类实战
  简介 这这一篇博客中，将系统介绍中文文本分类的流程和相关算法。 先从文本挖掘的大背景开始，以文本分类算法为中心，介绍中文文本分类项目的流程以及相关知识，知识点涉及中文分词，向量空间模型，TF-IDF方法，几个典型的文本分类算法和评价指标等。 本篇主要有： 朴素的贝叶斯算法 KNN最近邻算法。 文本挖掘与文本分类的概念 简单来说，文本挖掘就是从已知的大量文本数据中提取一些未知的最...
  2020-01-20 02:09:32 | NLP
• NLP ASR 语音转文本-04-basic 基本原理
  MFCC提取过程 声音是模拟信号，声音的时域波形只代表声压随时间变化的关系，不能很好的代表声音的特征，因此，必须将声音波形转换为声学特征向量。 目前有许多声音特征提取方法，如梅尔频率倒谱系数MFCC、线性预测倒谱系数LPCC、多媒体内容描述接口MPEG7等，其中MFCC是基于倒谱的，更符合人的听觉原理，因而是最普遍、最有效的声音特征提取算法。 在提取MFCC前，需要对声音做前期处理，包...
  2020-01-20 02:09:32 | NLP
• NLP ASR 语音转文本-03-AI 深度学习
  机器学习并不总是一个黑盒 如果你知道神经机器翻译是如何工作的，那么你可能会猜到，我们可以简单地将声音送入神经网络中，并训练使之生成文本： 一个大问题是语速不同。 一个人可能很快地说出「hello！」而另一个人可能会非常缓慢地说「heeeelllllllllllllooooo！」。 这产生了一个更长的声音文件，也产生了更多的数据。 这两个声音文件都应该被识别为完全相同的文本「hell...
  2020-01-20 02:09:32 | NLP
• NLP ASR 语音转文本-02-发展历史
  浅析语音识别技术的工作原理及发展 语音是人类最自然的交互方式。 计算机发明之后，让机器能够“听懂”人类的语言，理解语言中的内在含义，并能做出正确的回答就成为了人们追求的目标。 我们都希望像科幻电影中那些智能先进的机器人助手一样，在与人进行语音交流时，让它听明白你在说什么。 语音识别技术将人类这一曾经的梦想变成了现实。 语音识别就好比“机器的听觉系统”，该技术让机器通过识别和理解，把...
  2020-01-20 02:09:32 | NLP
• NLP ASR 语音转文本-01-概览
  整体流程 我们知道声音实际上是一种波。 常见的mp3、wmv等格式都是压缩格式，必须转成非压缩的纯波形文件来处理，比如Windows PCM文件，也就是俗称的wav文件。wav文件里存储的除了一个文件头以外，就是声音波形的一个个点了。 下图是一个波形的示例。 1. VAD-静音切除 在开始语音识别之前，有时需要把首尾端的静音切除，降低对后续步骤造成的干扰。 这个静音切除的操作...
  2020-01-20 02:09:32 | NLP
• NLP 中文整体规划设计应用
  前沿 NLP 可以做很多事情，可以非常的简单，但是效果却非常的好。 基本语料（chinese-basic） 字 词 成语 相关基础工具 拼音 繁简体 形近字 词语拓展 同义词、近义词、反义词、否定词、停顿词 敏感词 【汉字拆字】 【汉字词语缩写】 应用 拼写纠正：基于困惑集+编辑距离，结合中文的【形近字】【同音字】【谐音字】和【常见错别字词库】进行纠正。 基...
  2020-01-20 02:09:32 | NLP
• ML 机器学习概览-01-overview
  机器学习领域，除了 NLP，opencv 还有哪些主要研究方向？ 机器学习领域除了自然语言处理（NLP）和计算机视觉（如使用OpenCV库进行图像处理）之外，还包括多个主要研究方向，这些方向不断推动着人工智能技术的发展和应用。以下是一些核心的机器学习研究方向： 深度学习（Deep Learning）：深度学习是机器学习的一个子领域，主要研究如何使用深层神经网络进行数据分析...
  2020-01-20 02:09:32 | ML
• maven 打包成可执行的文件 jar
  业务背景 直接生成一个可执行的 jar，而不是一个麻烦的 war 包之类的。 maven 打包方式 配置 pom.xml <?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://w...
  2020-01-09 02:09:32 | Devops