盗版资源变少?这个比人还“眼尖”的 NLP 模型立下汗马功劳
盗版搜索结果分析
1、 用户搜索盗版影片示例
1) 归类“判断难点”
(1) 名称近似类:系列类影片、名称包含类影片;
(2) 主题不相关类:结果是资讯、新闻、彩票、广告等信息;
(3) 同名影片类:相同影片的歌曲、游戏、戏剧、通用名词等有歧义的信息;
(4) 变换类: 影片名称缩写、人工故意添加的干扰信息。
2) 自然语言识别中怎样处理这几种情况?
(1) 名称近似类:
文本预处理:清洗样本,并将文本格式、符号转化为统一的形式; 特征计算: 将文本转化为数字。这一步可以使用特征工程,或者词袋(oneHot)、文本嵌入(word embedding)模型、深度Transformer模型; 模型训练/预测:选择合适的模型算法,训练模型。模型方面可以使用决策树类型(例如:XGBoost、LightGBM、Deep Forest等等),也可以使用深度网络(例如:LSTM、BERT、Transformer-XL等等)。当然也可以使用多个模型(一个模型的输出,作为一个模型的输入)。
总结
☞以太坊2.0、分片、DAG、链下状态通道……概述区块链可扩展性的解决方案!
关注公众号:拾黑(shiheibook)了解更多
[广告]赞助链接:
四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/
关注网络尖刀微信公众号
随时掌握互联网精彩
随时掌握互联网精彩
赞助链接
排名
热点
搜索指数
- 1 让世界更好认识中国了解中国 4983698
- 2 菏泽已整治南站前“群魔乱舞”现象 4964531
- 3 多地提醒慎入网约车行业:运力饱和 4801842
- 4 消费市场潜能释放 4755579
- 5 伊朗总统灵柩覆盖国旗画面公布 4661124
- 6 四川车祸5名行人被撞身亡 4534344
- 7 3架直升机同行 为何偏偏总统坠机? 4452530
- 8 公职人员被贴破坏他人家庭海报 4352024
- 9 大熊猫国际合作为黑实验?谣言 4247396
- 10 “凤姐”回应被偷拍 4118720