Там написано, что надо разбить на два интеграла

Pr(dx,dy) разбей

Там написано, что надо разбить на два интеграла

По-хорошему, там бы следовало бы иметь запись dF(x,y) вместо некорректного Pr(dx,dy)

По-хорошему, там бы следовало бы иметь запись dF(x,y) вместо некорректного Pr(dx,dy)

F — функция распределения

@FolderArchive - канал, где сливают платный полезный - образовательный контент и курсы, например можно скачать курсы "Нетологии" или все курсы "Бизнес Молодости".

Hi, This but in english or spanish?

this butts are russian

Hi, This but in english or spanish?

dont you like Russians?

Hi, This but in english or spanish?

Russian

dont you like Russians?

I dont understand Russian, i like Russia

I dont understand Russian, i like Russia

More important to like bigdata & machine learning ?

I love Big Data and Machine learning

https://github.com/Gabvaztor/tfboost

This is my actual project, but i want to understand you ?

sorry, but mostly these Telegram chats are only in russian

probably english-speaking have some another channels to communicate

sorry, but mostly these Telegram chats are only in russian

Ok, no problem. Why doesnt exist a unique language? xd

you always can learn Russian, lol)

? yes, but i am learning english now xd

This is my actual project, but i want to understand you ?

Guess most of us speaks english well

Nice

Guess most of us speaks english well

Most of us - громко сказано

Most of us - громко сказано

кто не speaks english well, тому принудительно синий мерфи рекомендуется :-P

кто не speaks english well, тому принудительно синий мерфи рекомендуется :-P

Таки мерфи не поможет speak well

CAN: Creative Adversarial Networks, Generating "Art" by Learning About Styles and Deviating from Style Norms https://arxiv.org/abs/1706.07068

здравствуйте, есть вопрос: каким наиболее дешевым спосбом можно решить следующюю пробелму из исходной фразы: "у меня есть красная машина и самоход", я хотел бы получить список из двух элементом "красная машина" и "самоход" при помощи mystem у меня получается разбирать слова на существительные, прилагательные и глаголы, и другие части речи Каким образом я могу привязать прилагательное к существительному, "красная машина"?. Нужно взять слова типа от проекта opencorpora и при помощи простенького алгоритма гонять по нему мои данные? при этом писать особо ничего не хочется, думаю эта задача была решена была не раз В какую сторону смотреть? а то я в предметной области мало что понимаю, и ключевые слова гуглятся плохо

второй пример: "в небе летит самолет, по полю ползет трактор" какой алгоритм мне позволит разбить эту фразу на следующий список: "небо" "летит самолет" "поле" "ползет трактор"

мне будет достаточно, если некий алгоритм или АПИ будет декомпозировать фразу с упехом типа в 60-70%

смотрю сюда, https://nlpub.ru/%D0%9E%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%B0 но вижу фигу

общий метод для гугления -- деревья разбора, parse tree (dependency-based, полагаю) я решал аналогичную задачу через standord typed dependencies из stanfordnlp

общий метод для гугления -- деревья разбора, parse tree (dependency-based, полагаю) я решал аналогичную задачу через standord typed dependencies из stanfordnlp

спасибо

если во втором примере можно захардкодить характеристики (например, паттерн позиции в предложении + тип речи "узловых" слов (небо, поле)), то проблем не должно было

к сожалению исходные данные полностью произвольные, и на входе никак не фильруются https://nlpub.ru/TreeTagger кажется похоже на то что мне нужно, сейчас попробую

http://nlp.stanford.edu:8080/parser/index.jsp вот такое в идеале, да, для русского языка

вот про русский не подскажу, я работаю с англ впрочем, у того же стенфорднлп есть нужный корпус, и можно его попробовать

странно, я до сих пор не нахожу ничего подобного для русского да, я думал уже часть задач решена

кстати, somehow related

а если данные (чаты) на русско-английском суржике и/или просто с большим количеством опечаток (твиттер, чаты и тд) - чем такое едят? только character-based models?

предварительно фиксить опечатки

или обучать модель так, чтобы она с ними жила

предварительно фиксить опечатки

это малореально

это малореально

ну на 100% -- да, но, если опечатки не входят в "лексикон", то что-то можно

зависит от задачи, в общем условный чат с суржиком действительно вряд ли выйдет подкорректировать просто так

а для англочатов (типа реддита и твиттера), думаю, реально вполне хотя на каком-то этапе может быть неясно, то ли это опечатка, то ли уже новая словоформа :)

как то все печаьлно в русским и построения дерева зависмостей

не думал, не годал, либо я совсем не то гуглю

имеется в виду opensource конечно же

http://aot.ru/demo/synt.html вот очень похоже на то что нужно

С русским языком все печально. Из dependency parser я только treetagger могу посоветовать. Его можно обучить его на открытом корпусе (см universal dependency)

АОТ давно уже не развивается

ERROR: S client not available

Можно попробовать spacy обучить на русский, если получится то будет самым перспективным вариантом

/ # echo на машине лежит котенок | link-parser 2>/dev/null Found 2 linkages (2 had no P.P. violations) Linkage 1, cost vector = (UNUSED=0 DIS= 1.00 LEN=16) +--------------Wd--------------+ | +----------EIw---------+ | +----Jp---+ +-----SIm3----+ | | | | | LEFT-WALL на.jp машине.ndfsp лежит.vnndn3s котенок.nlmsi Bye.

ведь похоже на правду?

Можно попробовать spacy обучить на русский, если получится то будет самым перспективным вариантом

Сергей, спасибо за советы, но я пока не готов настолько глубоко в machine learning углубляться у меня задача выглядит так: найти для русского языка синтаксический парсер (dependency-tree) при этом выполнить два условия: быстро и что бы это решение работало в 60% случаев :) R&D такое вот

Для treetagger можно найти уже обученные модели, и та модель около 85% точности имеет, если я правильно помню. Если устраивает НКРЯ разметка, то можно взять их)

Обучить на самом деле просто: запустить парсер с нужными ключами и на вход корпус подать

Подскажите, какой из двух семплов будет более правильным для обучения детектора Хаара

У UniversalDependencies есть теггер для питона?

Для treetagger можно найти уже обученные модели, и та модель около 85% точности имеет, если я правильно помню. Если устраивает НКРЯ разметка, то можно взять их)

Только сейчас заметил ошибку. Имел введу maltparser, а не treetagger

У UniversalDependencies есть теггер для питона?

Использовал treetagger для POS

Только сейчас заметил ошибку. Имел введу maltparser, а не treetagger

что-то мальтпарсер у меня отработал за нескромные 40 секунд

Да, он не самый быстрый. А на каком объеме? Я думал попробовать потренировать spacy, он быстрее должен оказаться, но пока так еще руки не дошли

может что не так делал, но на любой запрос минимум 20-30 секунд

даже на "красное летнее платье"

привет

даже на "красное летнее платье"

Это странно, возможно на каждый запрос грузили модель в память? При загруженной модели 40 секунд у меня уходило разве что на парсинг всего корпуса

Всем привет! ClickHouse meetup наконец-то едет в Минск! Встреча 29 июня. Участие в мероприятии бесплатное, но необходимо заранее зарегистрироваться: количество мест в зале ограничено. Посмотреть программу и подать заявку на участие можно на странице встречи: https://events.yandex.ru/events/meetings/29-june-2017/

Привет, коллеги

Да, он не самый быстрый. А на каком объеме? Я думал попробовать потренировать spacy, он быстрее должен оказаться, но пока так еще руки не дошли

О, я сегодня наткнулся на spacy, но она не встала с пип инсталла, и я отложил ее на потом

А в чем проблема была?

Что-то про ядро и setup.py, возможно последствия переноса проекта вручную