- 1、本文档共63页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
MachineLearningforInformationExtractionAnOverview
Andrew McCallum, Just Research 15-505: Lecture 11Generative Models for Text Classification and Information Extraction Kamal Nigam Text Classification by Example Text Classification by Example Text Classification by Example Text Classification by Example Text Classification by Example How could you build a text classifier? Take some ideas from machine learning Supervised learning setting Examples of each class (a few or thousands) Take some ideas from machine translation Generative models Language models Simplify each and stir thoroughly Basic Approach of Generative Modeling Pick representation for data Write down probabilistic generative model Estimate model parameters with training data Turn model around to calculate unknown values for new data Na?ve Bayes: Bag of Words Representation Na?ve Bayes: Mixture of Multinomials Model Pick the class: P(class) For every word, pick from the class urn: P(word|class) Na?ve Bayes: Estimating Parameters Just like estimating biased coin flip probabilities Estimate MAP word probabilities: Estimate MAP class priors: Na?ve Bayes: Performing Classification Word independence assumption Take the class with the highest probability Classification Tricks of the Trade Stemming run, runs, running, ran ? run table, tables, tabled ? table computer, compute, computing ? compute Stopwords Very frequent function words generally uninformative if, in, the, like, … Information gain feature selection Keep just most indicative words in the vocabulary Na?ve Bayes Rules of Thumb Need hundreds of labeled examples per class for good performance (~85% accuracy) Stemming and stopwords may or may not help Feature selection may or may not help Predicted probabilities will be very extreme Use sum of logs instead of multiplying probabilities for underflow prevention Coding this up is trivial, either as a mapreduce or not Information Extraction with Generative Models Example: A Problem Example: A Solution Extracting Job Openings from
您可能关注的文档
- 温州医科大学2016年博士研究生招生专业目录拟招生.PDF
- Nameofpresentation-WICSEC.ppt
- 恶性淋巴瘤中医病机与治疗.PDF
- microRNA-506在不同肿瘤中作用的研究进展.PDF
- 光能肤慰.PDF
- 乳腺癌患者.PDF
- 肺癌手术派召开比武大赛.PDF
- 四川核医学与分子影像简讯.PDF
- 仁者寿.PDF
- 1575例胃肿瘤临床病理特征分析.PDF
- GB/T 39560.10-2024电子电气产品中某些物质的测定 第10部分:气相色谱-质谱法(GC-MS)测定聚合物和电子件中的多环芳烃(PAHs).pdf
- 中国国家标准 GB/T 39560.10-2024电子电气产品中某些物质的测定 第10部分:气相色谱-质谱法(GC-MS)测定聚合物和电子件中的多环芳烃(PAHs).pdf
- 《GB/T 39560.10-2024电子电气产品中某些物质的测定 第10部分:气相色谱-质谱法(GC-MS)测定聚合物和电子件中的多环芳烃(PAHs)》.pdf
- GB/T 39560.302-2024电子电气产品中某些物质的测定 第3-2部分:燃烧-离子色谱法(C-IC)筛选聚合物和电子件中的氟、氯和溴.pdf
- 中国国家标准 GB/T 39560.2-2024电子电气产品中某些物质的测定 第2部分:拆解、拆分和机械制样.pdf
- 中国国家标准 GB/T 39560.302-2024电子电气产品中某些物质的测定 第3-2部分:燃烧-离子色谱法(C-IC)筛选聚合物和电子件中的氟、氯和溴.pdf
- GB/T 39560.2-2024电子电气产品中某些物质的测定 第2部分:拆解、拆分和机械制样.pdf
- 《GB/T 39560.2-2024电子电气产品中某些物质的测定 第2部分:拆解、拆分和机械制样》.pdf
- 《GB/T 39560.303-2024电子电气产品中某些物质的测定 第3-3部分:配有热裂解/热脱附的气相色谱-质谱法(Py/TD-GC-MS)筛选聚合物中的多溴联苯、多溴二苯醚和邻苯二甲酸酯》.pdf
- 中国国家标准 GB/T 39560.303-2024电子电气产品中某些物质的测定 第3-3部分:配有热裂解/热脱附的气相色谱-质谱法(Py/TD-GC-MS)筛选聚合物中的多溴联苯、多溴二苯醚和邻苯二甲酸酯.pdf
文档评论(0)