码迷,mamicode.com
首页 >  
搜索关键字:lsa    ( 379个结果
OSPF汇总实验
实验名称OSPF汇总操作一.实验需求1.实验拓扑2.需求一.area1,area2不得出现4类LSA,5类LSA;二.R4到R5通过帧中继连接,R4连接R5为point-to-point类型;三.R4到R6通过帧中继连接,R4连接R6为point-to-multi类型;四.在R1和R2开启认证,链路封装类型为PPP,认证为PAP;五.A..
分类:其他好文   时间:2014-09-19 19:43:06    阅读次数:447
【思科】IS-IS基本配置、重发布实验
简介:IS-IS协议同标准协议OSPF一样,是一种链路状态动态路由协议,但是它比ospf做了很多优化,减少了路由类型、LSA的泛洪,在现网中的应用也十分的广泛。实验拓扑:实验目的:1.在R1—R5上运行IS-IS协议,R1-R6上运行RIPv2协议2.进行路由重发布,实现R5、R6互通3.实现域间和外..
分类:其他好文   时间:2014-09-10 12:42:41    阅读次数:322
SVD神秘值分解
SVD分解SVD分解是LSA的数学基础,本文是我的LSA学习笔记的一部分,之所以单独拿出来,是由于SVD能够说是LSA的基础,要理解LSA必须了解SVD,因此将LSA笔记的SVD一节单独作为一篇文章。本节讨论SVD分解相关数学问题,一个分为3个部分,第一部分讨论线性代数中的一些基础知识,第二部分讨论...
分类:其他好文   时间:2014-08-23 15:14:31    阅读次数:299
【资源】Deep learning 资源汇总......
在网上总能发现一些感兴趣的东西,从前是直接转载过来,现在发现太多了,还是汇总url吧。积累,慢慢开始...... 1. 斯坦福Richard Socher在EMNLP2014发表新作:GloVe: Global Vectors for Word Representation 粗看是融合LSA等算法的想法,利用global word co-occurrence信息提升word vector...
分类:其他好文   时间:2014-08-07 18:55:00    阅读次数:216
用Python做SVD文档聚类---奇异值分解----文档相似性----LSI(潜在语义分析)
转载请注明出处:电子科技大学EClab——落叶花开http://www.cnblogs.com/nlp-yekai/p/3848528.htmlSVD,即奇异值分解,在自然语言处理中,用来做潜在语义分析即LSI,或者LSA。最早见文章An introduction to latent semanti...
分类:编程语言   时间:2014-07-19 16:10:01    阅读次数:418
Explicit Semantic Analysis (ESA)
有别于LSA (Latent Semantic Analysis), 下列文章提出一种ESA (Explicit Semantic Analysis), 并介绍如何使用ESA来进行语义相关性和文本分类工作。 文章的基本思路其实也很简单,就是基于wikipedia网站内容,生成每一个曾经出现在wikipedia文章中的单词的语义表示。 每个单词的语义表示是一个高维向量, 而对应的每一个维就是wiki...
分类:其他好文   时间:2014-06-15 10:10:32    阅读次数:190
潜在语义分析Latent semantic analysis note(LSA)原理及代码实现
Latent Semantic Analysis (LSA)也被叫做Latent Semantic Indexing(LSI),从字面上的意思理解就是通过分析文档去发现这些文档中潜在的意思和概念。假设每个词仅表示一个概念,并且每个概念仅仅被一个词所描述,LSA将非常简单(从词到概念存在一个简单的映射关系) 不幸的是,这个问题并没有如此简单,因为存在不同的词表示同一个意思(同义词),一个词表示多个...
分类:其他好文   时间:2014-06-14 11:04:45    阅读次数:399
distribute-list分发列表 转自 红茶三杯sina blog
distribute-list分发列表 (2013-07-07 10:46:09)转载▼标签:distribute-list分发列表分类:Routing一、工具概述distribute-list分发列表是用于控制路由更新的一个工具,只能过滤路由信息,不能过滤LSA。如上图,R1、R2、R3运行RIP...
分类:其他好文   时间:2014-06-11 07:52:09    阅读次数:323
文本分析与检索
主要内容: 1、文本表示与特征提取; 2、隐语义分析LSA和Latent Dirichlet Allocation(LDA) 3、检索模型:Boolean模型、向量模型、概率模型 1、文本表示与特征提取 文本中抽取出的特征词进行量化来表示文本信息; 利用分词工具:极易中文分词:je-analysis...
分类:其他好文   时间:2014-05-21 18:03:26    阅读次数:486
379条   上一页 1 ... 36 37 38
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!