Pinned Repositories
BUAA-Campus-Tools-Frontend
北航教务小助手前端(Android APP)
buaa_nlp_project1
北航研究生三系深度学习与自然语言处理课程第一次作业,阅读文章:Entropy_of_English_PeterBrown 参考此文章来计算中文(分别以词和字为单位)的平均信息熵。
buaa_nlp_project2
一个袋子中三种硬币的混合比例为:s1, s2与1-s1-s2 (0<=si<=1), 三种硬币掷出正面的概率分别为:p, q, r。 (1)自己指定系数s1, s2, p, q, r,生成N个投掷硬币的结果(由01构成的序列,其中1为正面,0为反面),利用EM算法来对参数进行估计并与预先假定的参数进行比较。
buaa_nlp_project3
从给定的语料库中均匀抽取200个段落(每个段落大于500个词), 每个段落的标签就是对应段落所属的小说。利用LDA模型对于文本建模,并把每个段落表示为主题分布后进行分类。验证与分析分类结果。
buaa_nlp_project4
利用给定语料库(或者自选语料库),利用神经语言模型(如:Word2Vec, GloVe等模型)来训练词向量,通过对词向量的聚类或者其他方法来验证词向量的有效性。
buaa_nlp_project5
基于Seq2seq模型来实现文本生成的模型,输入可以为一段已知的金庸小说段落,来生成新的段落并做分析。
BUAA_SE_PairWork
Calculator
阿超的四则运算生成器 v1.0
Compiler
C0 Compiler
gitskills
NSun-S's Repositories
NSun-S/buaa_nlp_project3
从给定的语料库中均匀抽取200个段落(每个段落大于500个词), 每个段落的标签就是对应段落所属的小说。利用LDA模型对于文本建模,并把每个段落表示为主题分布后进行分类。验证与分析分类结果。
NSun-S/buaa_nlp_project4
利用给定语料库(或者自选语料库),利用神经语言模型(如:Word2Vec, GloVe等模型)来训练词向量,通过对词向量的聚类或者其他方法来验证词向量的有效性。
NSun-S/BUAA-Campus-Tools-Frontend
北航教务小助手前端(Android APP)
NSun-S/buaa_nlp_project1
北航研究生三系深度学习与自然语言处理课程第一次作业,阅读文章:Entropy_of_English_PeterBrown 参考此文章来计算中文(分别以词和字为单位)的平均信息熵。
NSun-S/buaa_nlp_project2
一个袋子中三种硬币的混合比例为:s1, s2与1-s1-s2 (0<=si<=1), 三种硬币掷出正面的概率分别为:p, q, r。 (1)自己指定系数s1, s2, p, q, r,生成N个投掷硬币的结果(由01构成的序列,其中1为正面,0为反面),利用EM算法来对参数进行估计并与预先假定的参数进行比较。
NSun-S/buaa_nlp_project5
基于Seq2seq模型来实现文本生成的模型,输入可以为一段已知的金庸小说段落,来生成新的段落并做分析。
NSun-S/BUAA_SE_PairWork
NSun-S/Calculator
阿超的四则运算生成器 v1.0
NSun-S/Compiler
C0 Compiler
NSun-S/gitskills
NSun-S/Image-Processing-and-Pattern-Recognition
The homework of Image processing and pattern recognition course of BUAA.
NSun-S/NSun-S.github.io
NSun-S/SoftwareEngineering_PersonalWork