斯坦福NLP笔记 —— Semantics
2014-07-23 15:43
127 查看
第一节
讲了词与词之间的各种关系，最后教授强调Hyponyms和Instance的区别：
前者指的是class与class之间的关系，后者指的是individual与class之间的关系
第二节
介绍了两个词典（thesaurus），WordNet和MeSH
讲了词与词之间的各种关系，最后教授强调Hyponyms和Instance的区别：
前者指的是class与class之间的关系，后者指的是individual与class之间的关系
第二节
介绍了两个词典（thesaurus），WordNet和MeSH
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 斯坦福NLP笔记71 —— Term-Document Incidence Matrices 4000
- 斯坦福NLP笔记75 —— Introducing Ranked Retrieval
- 斯坦福NLP笔记48 —— Using Patterns to Extract Relations 3ff0
- Paper笔记: 斯坦福课程 CS224D：Deep Learning for NLP, lecture I
- 斯坦福NLP笔记73 —— Query Processing with the Inverted I 3ff0
- 斯坦福NLP笔记70 —— Introduction to Information Retrieva
- Oxford Deep NLP学习笔记1：Word Level Semantics
- 类模型NLP 学习笔记 05 (Brown Clustering && Global Linear Models)
- Coursera公开课笔记: 斯坦福大学机器学习第九课“神经网络的学习(Neural Networks: Learning)”
- 斯坦福机器学习公开课笔记(一)--单变量线性回归
- 斯坦福机器学习公开课笔记(九)--支持向量机
- 斯坦福机器学习公开课笔记(十三)--推荐系统
- NLP 学习笔记 04 (Machine Translation)
- 斯坦福机器学习公开课笔记(十)--聚类
- 斯坦福机器学习公开课笔记(二)--多变量线性回归
- 斯坦福机器学习公开课笔记(六)--神经网络的学习
- 斯坦福机器学习公开课笔记(八)--机器学习系统设计
- NLP with python 笔记 前言
- NLP 学习笔记 02 (Tagging Problems, and Hidden Markov Models)
- 模型参数NLP 学习笔记 05 (Log-linear Models)