文件名称:NLP体系结构:Metis数据科学训练营,NLP项目4
文件大小:10.48MB
文件格式:ZIP
更新时间:2024-03-10 05:51:23
JupyterNotebook
了解建筑语言 1.提示 这项工作的目的是双重的。 1.创建一个“基线”领域特定的word2vec模型,该模型可用于通过编写体系结构的方式在体系结构概念之间绘制潜在的关系,以及2.作为案例研究,尝试查找特定概念的含义和方式建筑概念随着时间的推移发生了变化 2.数据 该项目使用的数据是从1960年代中期开始的大约50年的161篇建筑历史/理论/批评论文。 我显示这些图像是出于一个重要目的。 每个文档的格式不一致。 因此,必须以这样的方式推广预处理技术,以最大程度地减少花在每个文档上的时间,同时最大化模型的附加值…… …因此,由于通过“设计”格式或图像叠加创建的工件,因此预处理管道… 通过<2342dfs>推送这样的字符串。 幸运的是,由于这一问题,到目前为止,我还没有看到对模型结果的不利影响,但是在以后的迭代中将改进此过程。 3.模型 我试图通过要求模型找
【文件预览】:
NLP-architecture-main
----.DS_Store(8KB)
----.gitattributes(66B)
----docs_meta_lookup.csv(12KB)
----master.csv(6.15MB)
----Project 4 - Alberti Cleaner.ipynb(112KB)
----P4-Modeling.ipynb(46KB)
----P4-Visuals.ipynb(47KB)
----assets()
--------CORB SAVOYE.jpg(7KB)
--------.DS_Store(6KB)
--------venturi portrait.jpg(40KB)
--------p4 presentation.docx(15KB)
--------mies fin.jpg(185KB)
--------theory.ai(88KB)
--------Peter_Eisenman__photo_Chris_Wiley.jpg(2.27MB)
--------venturi i-am-a-monument.jpg(131KB)
--------roma-interrotta084-1.jpg(2.16MB)
--------stern.jpg(305KB)
--------venturi house.jpg(1.11MB)
--------stern interior.jpg(798KB)
--------MIES HOUSE.jpg(12KB)
--------GROPIUS.jpg(6KB)
--------drawn.ai(87KB)
--------DOMINO.jpg(649KB)
--------Le_Corbusier_(1964).jpg(260KB)
--------1920px-Bauhaus-Signet.png(95KB)
--------Mies.jpg(103KB)
--------colin rowe.jpg(6KB)
--------technology.ai(89KB)
----P4 - Preproccessor.ipynb(76KB)
----text_index.xlsx(20KB)
----readme.md(6KB)