CV基本研究方向简介CV全称Computer Vision，即计算机视觉，是人工智能里面很大、应用很广泛、工业化程度很高的一个研究领域，主要研究对象是图像和视频，本文我们简单介绍以下CV领域整体上的主要研究内容。 分类常见的包括图片分类和视

Python3的PDF文件读取与处理由于财报和社会责任报告都是PDF格式的，所以为了与我们的BERT分类工作衔接起来，需要读取并且简单处理一下PDF文件，变成我们需要的字符串格式，并且从中提取我们需要的信息。 PDF文件读取首先我们把PDF

祝贺小爸爸荣获Best Paper悲喜千般语仓皇，不枉日日苦奔忙。 字字看来皆辛苦，三年磨砺不寻常。 嚼得菜根终成事，覆雪梅花分外香。 今朝痛饮庆功酒，更立壮志来日长。

秋思（其二）秋风吹老梧桐树，彩笔新题相思句。 情深若问深几许，秋风秋月深秋雨。

transformers BERT预训练模型度量文本相似性经过与专业人士交流，了解到目前业内常用的度量文本相似性的做法有两种，效果差不多： 把文本A和文本B拼接起来，进行二分类任务，分类标签为相似或不相似。这种做法需要微调BERT模型，和

微调transformers进行BERT垃圾邮件分类现在我们使用Hugging Face的transformers包提供的预训练模型，在我们之前做的垃圾邮件分类任务上做一个微调，为将来我们的具体任务做准备。 本文主要参考这篇英文博客，并结合

微调transformers BERT文本分类预训练模型本节我们为Hugging Face的transformers包中提供的文本分类预训练模型做一个Fine-tune，即微调，令其更适应于我们使用的数据集，并做一个分类任务。 主要参考了t

Hugging Face与NLP预训练模型这一节我们来学习基于Hugging Face的NLP预训练模型的使用方式，包括Bert。 先来了解一些背景知识。 背景深度学习我们前面用的BOW，贝叶斯，SVM，LR，XGBoost都是传统机器学习

秋思（其一）云边鸿雁送秋风，欲寄相思意万重。 为谁倾倒为谁狂，忽如梦醒已三生。

基于BOW实现垃圾邮件分类上一节我们基于朴素贝叶斯的词频统计，做了垃圾邮件分类，这一节我们采用BOW模型，在相同数据集上使用BOW模型再次进行分类任务，并且使用各种经典的机器学习模型。 jieba加入自定义词典首先我们来做一个自定义分词功能