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。
2021-11-14
秋思（其二）
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。
2021-11-06
transformers BERT预训练模型度量文本相似性
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
2021-11-04
微调transformers进行BERT垃圾邮件分类
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
2021-11-03
微调transformers BERT文本分类预训练模型
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
2021-11-01
Hugging Face与NLP预训练模型
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
2021-11-01
秋思（其一）
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。
2021-10-28
基于BOW实现垃圾邮件分类
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
2021-10-21
九叶重楼 相思怎解
九叶重楼 相思怎解
我问大夫，什么药可以医相思之苦。
大夫说：“九叶重楼二两，冬至蝉蛹一钱，煎入隔年雪， 可医世人相思疾苦。“
可重楼七叶一枝花，冬至何来蝉蛹，雪又怎能隔年，终是相思无解。
大夫说，殊不知夏枯即为九重楼，掘地三尺寒蝉现，除夕
2021-10-20
All This I Did Without You (Gerald Durrell)
All This I Did Without You这是Gerald Durrell 1978年写给未婚妻Lee McGeorge的情书。Gerald Durrell是一位英国动物学家、主持人和作家，泽西动物园的创办人，与Lee在1977年
2021-10-20
朴素贝叶斯分类器实现垃圾邮件分类
朴素贝叶斯分类器实现垃圾邮件分类本文主要参考这个github项目来实现。
代码运行使用git clone下载项目，然后将数据集 解压到仓库路径下即可
运行：python new.py
实验结果我在本地运行得到的结果为
Building pr
2021-10-19
2021年下半年目标
2021年下半年目标新学期新打算，小仙女和油油要制定好目标，一起努力呀：
小仙女的目标：
NBY论文投出去（不晚于11月底）
产生2~3个新的idea
一个NLP
一个survey
一个case
推进其中一到两个idea，年底做好数据处
2021-10-12