- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个包含成对名称的数据集,它看起来像这样:
ID; name1; name2
1; Mike Miller; Mike Miler
2; John Doe; Pete McGillen
3; Sara Johnson; Edita Johnson
4; John Lemond-Lee Peter; John LL. Peter
5; Marta Sunz; Martha Sund
6; John Peter; Johanna Petera
7; Joanna Nemzik; Joanna Niemczik
我有一些标有标签的案例。所以我手动检查它们并确定它们是否重复。这些情况下的人工判断是:
1: Is a duplicate
2: Is not a duplicate
3: Is not a duplicate
4: Is a duplicate
5: Is not a duplicate
6: Is not a duplicate
7: Is a duplicate
(第7种情况是一个特殊情况,因为这里的语音也进入了游戏。但是,这不是主要问题,我可以忽略语音。)
第一种方法是计算每对的编辑距离并将它们标记为重复项,其中编辑距离例如小于或等于 2。这将导致以下输出:
1: Levenshtein distance: 2 => duplicate
2: Levenshtein distance: 11 => not a duplicate
3: Levenshtein distance: 4 => not a duplicate
4: Levenshtein distance: 8 => not a duplicate
5: Levenshtein distance: 2 => duplicate
6: Levenshtein distance: 4 => not a duplicate
7: Levenshtein distance: 2 => duplicate
这将是一种使用基于 Levinshtein 距离的“固定”算法的方法。
现在,我想使用神经网络/机器学习来完成这项任务:
我不需要神经网络来检测语义相似性,例如“hospital”和“clininc”。但是,我想避免 Levenshtein 距离,因为我希望 ML 算法能够将“John Lemond-Lee Peter”和“John LL. Peter”检测为潜在的重复项,但也不是 100% 确定.在这种情况下,Levenshtein 距离会导致相对较高的数字 (8),因为要添加相当多的字符。在像“John Peter”和“Johanna Petera”这样的情况下,Levenshtein 距离会导致较小的数字 (4),但实际上没有重复,对于这种情况,我希望 ML 算法能够检测到这可能不是重复的。所以我需要 ML 算法来“学习我需要检查重复项的方式”。通过我的标签,我将作为输入为 ML 算法提供我想要的方向。
我实际上认为这对于 ML 算法/神经网络来说应该是一项简单的任务,但我不确定。
如何在不使用显式距离度量(如 Levenshtein 距离、欧氏距离等)的情况下实现神经网络来比较名称对并识别重复项?
我认为可以将字符串转换为数字,神经网络可以使用它并根据我的标签样式学习检测重复项。因此无需指定距离度量。 我想到了一个人:我会把这个任务交给一个人,这个人会判断并做出决定。这个人对编辑距离或任何其他数学概念一无所知。所以我只想训练神经网络来学习做人类正在做的事情。当然,每个人都是不同的,这也取决于我的标签。
(编辑:到目前为止我看到的机器学习/神经网络解决方案(如 this )使用像 levenshtein 这样的度量作为特征输入。但正如我所说,我认为这应该是可能的在不使用这种距离度量的情况下向神经网络传授“人类判断”?关于我有成对名称的具体案例:使用编辑距离作为特征的 ML 方法有什么好处?因为它只会将那些名字对检测为具有低编辑距离的重复项。因此,如果两个名称之间的编辑距离小于 x,我可以使用简单的算法将一对标记为重复项。为什么改用 ML,会是什么额外的好处?)
最佳答案
根据我的经验,OpenAI 的 GPT-3 可以很好地处理此类任务(我用它来分析天体物理学文本)。你应该用自然语言描述一个任务,然后提供一些例子来进行小样本学习。这是我在 OpenAI Playground 中进行的快速实验(绿色文本由 GPT-3 生成):
关于python - 比较两个名字的相似度并使用神经网络识别重复项,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/72914328/
我在网上搜索但没有找到任何合适的文章解释如何使用 javascript 使用 WCF 服务,尤其是 WebScriptEndpoint。 任何人都可以对此给出任何指导吗? 谢谢 最佳答案 这是一篇关于
我正在编写一个将运行 Linux 命令的 C 程序,例如: cat/etc/passwd | grep 列表 |剪切-c 1-5 我没有任何结果 *这里 parent 等待第一个 child (chi
所以我正在尝试处理文件上传,然后将该文件作为二进制文件存储到数据库中。在我存储它之后,我尝试在给定的 URL 上提供文件。我似乎找不到适合这里的方法。我需要使用数据库,因为我使用 Google 应用引
我正在尝试制作一个宏,将下面的公式添加到单元格中,然后将其拖到整个列中并在 H 列中复制相同的公式 我想在 F 和 H 列中输入公式的数据 Range("F1").formula = "=IF(ISE
问题类似于this one ,但我想使用 OperatorPrecedenceParser 解析带有函数应用程序的表达式在 FParsec . 这是我的 AST: type Expression =
我想通过使用 sequelize 和 node.js 将这个查询更改为代码取决于在哪里 select COUNT(gender) as genderCount from customers where
我正在使用GNU bash,版本5.0.3(1)-发行版(x86_64-pc-linux-gnu),我想知道为什么简单的赋值语句会出现语法错误: #/bin/bash var1=/tmp
这里,为什么我的代码在 IE 中不起作用。我的代码适用于所有浏览器。没有问题。但是当我在 IE 上运行我的项目时,它发现错误。 而且我的 jquery 类和 insertadjacentHTMl 也不
我正在尝试更改标签的innerHTML。我无权访问该表单,因此无法编辑 HTML。标签具有的唯一标识符是“for”属性。 这是输入和标签的结构:
我有一个页面,我可以在其中返回用户帖子,可以使用一些 jquery 代码对这些帖子进行即时评论,在发布新评论后,我在帖子下插入新评论以及删除 按钮。问题是 Delete 按钮在新插入的元素上不起作用,
我有一个大约有 20 列的“管道分隔”文件。我只想使用 sha1sum 散列第一列,它是一个数字,如帐号,并按原样返回其余列。 使用 awk 或 sed 执行此操作的最佳方法是什么? Accounti
我需要将以下内容插入到我的表中...我的用户表有五列 id、用户名、密码、名称、条目。 (我还没有提交任何东西到条目中,我稍后会使用 php 来做)但由于某种原因我不断收到这个错误:#1054 - U
所以我试图有一个输入字段,我可以在其中输入任何字符,但然后将输入的值小写,删除任何非字母数字字符,留下“。”而不是空格。 例如,如果我输入: 地球的 70% 是水,-!*#$^^ & 30% 土地 输
我正在尝试做一些我认为非常简单的事情,但出于某种原因我没有得到想要的结果?我是 javascript 的新手,但对 java 有经验,所以我相信我没有使用某种正确的规则。 这是一个获取输入值、检查选择
我想使用 angularjs 从 mysql 数据库加载数据。 这就是应用程序的工作原理;用户登录,他们的用户名存储在 cookie 中。该用户名显示在主页上 我想获取这个值并通过 angularjs
我正在使用 autoLayout,我想在 UITableViewCell 上放置一个 UIlabel,它应该始终位于单元格的右侧和右侧的中心。 这就是我想要实现的目标 所以在这里你可以看到我正在谈论的
我需要与 MySql 等效的 elasticsearch 查询。我的 sql 查询: SELECT DISTINCT t.product_id AS id FROM tbl_sup_price t
我正在实现代码以使用 JSON。 func setup() { if let flickrURL = NSURL(string: "https://api.flickr.com/
我尝试使用for循环声明变量,然后测试cols和rols是否相同。如果是,它将运行递归函数。但是,我在 javascript 中执行 do 时遇到问题。有人可以帮忙吗? 现在,在比较 col.1 和
我举了一个我正在处理的问题的简短示例。 HTML代码: 1 2 3 CSS 代码: .BB a:hover{ color: #000; } .BB > li:after {
我是一名优秀的程序员,十分优秀!