Happy Programming » Pythonのクラスを辞書のようにして使う
データをひとまとめにして扱いたい時、配列やハッシュというデータ型を使う事が出来る。 配列は0から始まる数値で値を管理するため狙った値にアクセスするにはどんな順序で並んでいるかを把握していなければならない。 ハッシュはキーと呼ばれる（主に文字列）もので値を管理するため必ずしもその値の場所を覚えておく必要がない。というよりは逆に順番では覚えられない。 いわばデータにラベルが付いてるような物だ。 例えばaというハッシュがあれば a = {} a['name'] = "nioka" a['age'] = 32 a['position'] = "third" a['number'] = 23 こんな感じで値を追加していける。 そしてそれらを参照するのも print a['number'] とか b = a['position'] と、簡単に扱う事が出来る。 この場合はaという人物データがありそれぞれ
Support Vector Machinesを用いた「魔法少女まどか☆マギカ」人物予測モデル - Y's note
言語処理のための機械学習入門 (自然言語処理シリーズ) 作者: 高村大也,奥村学出版社/メーカー: コロナ社発売日: 2010/07メディア: 単行本購入: 13人 クリック: 235回この商品を含むブログ (39件) を見る 人物予測モデル 記事のタイトルがだいぶ固い内容になっていまいましたがやりたい事はとても簡単です。過去に発せられたまど☆マギ台詞の形態素を学習し、予測モデルを作成します。その後に未分類の形態素のデータセットを与えた時にどれだけ人物のラベル付けが正しく行われたかを評価します。予測モデルの対象となる人物は鹿目まどか/暁美ほむら/美樹さやか/キュゥべえ/佐倉杏子/巴マミの合計6名です。機械学習にはSVMを利用します。先に実験の結果をお伝えしておくと、台詞の形態素ベクトルでは十分なマルチラベリングができていません。それでもこの記事が気になる方は読み進めてください。処理手順の詳
照応解析 評判 - Google 検索
Amazon.com で、文脈解析- 述語項構造・照応・談話構造の解析 - (自然言語処理シリーズ) の役立つカスタマーレビューとレビュー評価をご覧ください。
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
