ChatGPT应用场景与工具推荐
本文会简单介绍ChatGPT的特点、局限以及存在的问题，相信随着科技的发展，ChatGPT功能会越来越强大，也会有更多类似ChatGPT的大模型出现服务用户。以下所有介绍及其演示均基于2023年3月的ChatGPT进行。
SVM模型详解
入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。一、SVM定义与解决目标SVM是一个二类分类器。其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化成一个凸二次规划问题的求解。即找到一个超平面，使两类数据离超平
【申请加入New Bing遇到的问题:当前无法使用此页面，cn.bing.com 重定向次数过多】
前面的文章我们详细的讲解了如何加入New Bing，之前我们直接加入还可以直接访问，但是现在访问过多就会出现当前无法使用此页面，cn.bing.com 重定向次数过多的问题，为了帮助来自五湖四海的网友解决这个问题，消除困扰，今天我们就来看看如何换一种思路解决这个问题。最后，我想告诉大家的是，遇到问题
本地电脑轻松部署GPT4（无需账号）！
最近有个超级好玩的Github开源代码分享给大家，可以实现直接在本地电脑上运行GPT4，实现给机器人对话，获得想要的内容，亲测好用！废话不多说，直接上干货！
电影知识图谱和基于模板的问答系统构建
参考目前网络上开源的医疗问答系统等项目，对基于neo4j的知识图谱构建及基于人为指定模板的问答系统构建进行了整理，笔者对代码进行了较为详尽的注释，供读者参考。
MagicThoughts｜让ChatGPT变得更智能的Finetuned数据集
现有的ChatGPT，除了稳定性有待提高、内容准确度有待提升外，想要做到垂直领域商业应用的“定制化”，还是一件很难的事。
【实体识别】深入浅出讲解命名实体识别（介绍、常用算法）
命名实体识别（Named Entity Recognition, 简称NER）（也称为实体识别、实体分块和实体提取）是信息提取的一个子任务，旨在将文本中的命名实体定位并分类为预先定义的类别，如人员、组织、位置、时间表达式、数量、货币值、百分比等。命名实体识别是自然语言处理中的热点研究方向之一， 目的
Torchtext快速入门（一）——Vocab
深入解读torchtext.vocab.Vocab
LDA模型构建与可视化
隐含狄利克雷分布（Latent Dirichlet Allocation，LDA），是一种主题模型（topic model），典型的词袋模型，即它认为一篇文档是由一组词构成的一个集合，词与词之间没有顺序以及先后的关系。一篇文档可以包含多个主题，文档中每一个词都由其中的一个主题生成。它可以将文档集中每
NLP--社区检测算法(Community Detection)总结【原理】
社区检测（Community Detection）又被称为是社区发现，用于评估节点组如何聚类或分区，以及它们增强或分离的趋势。重点对图算法中的社区检测进行了整理总结。
升级篇：超详细ChatGPT(GPT 4.0)论文润色指南+最全提示词——持续更新
不看后悔！ChatGPT 4.0一站式论文助攻指南，革新论文写作方式。
RF模型（随机森林模型）详解
入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。一、RF简介RF模型属于集成学习中的bagging流派1、集成学习简介集成学习分为2派：（1）boosting：它组合多个弱学习器形成一个强学习器，且各个弱学习器之间有依赖关系。（2）baggin
Python 获取指定开头指定结尾所夹中间内容
little 背景最近在做毕设，需要将几百篇整体结构差不多的文章中提取出一些内容，所以才有了这个blog。需求获取文章中指定开头、指定结尾中所夹的内容。其中，开头和结尾均有多种，但最多也就十几种，所以代码还是具有可行性的。例：XX市人民检察院指控：被告人XXX与被害人陆某丙（女，殁年41岁，系罗绪洲
到底有多厉害？ChatGPT初探（多图）
到底有多厉害？ChatGPT初探
用一张图说一说 ChatGPT 内部技术工作流程
ChatGPT很火，但是作为技术人员的我们应该从ChatGPT背后的技术去解读，这样能够让我们掌握未来技术发展的方向，保障自己的路不会走偏。这篇文章，勇哥分析ChatGPT的架构，然后阐述了一下未来的技术趋势和技术方向。
使用微信部署ChatGPT
最近ChatGPT爆火，网上出现了很多ChatGPT项目，有部署到微信的，有部署到QQ机器人的，今天介绍一种部署到微信的方法。此项目参考github上https://github.com/869413421/wechatbot项目，需要的可以自行查看。
Python数据分析（4）：jieba分词详解
jieba分词器1. jieba分词器的分词模式说明jieba分词器提供4种分词模式，并且支持简体/繁体分词、自定义词典、关键词提取、词性标注。（1）精确模式该模式会将句子最精确地切分开，适合在文本分析时使用。（2）全模式该模式会将句子中所有成词的词语都扫描出来，速度也非常快，缺点是不能解决歧义问题
NLP--社区检测算法(Community Detection)总结【原理】
社区检测（Community Detection）又被称为是社区发现，用于评估节点组如何聚类或分区，以及它们增强或分离的趋势。重点对图算法中的社区检测进行了整理总结。
【实体识别】深入浅出讲解命名实体识别（介绍、常用算法）
命名实体识别（Named Entity Recognition, 简称NER）（也称为实体识别、实体分块和实体提取）是信息提取的一个子任务，旨在将文本中的命名实体定位并分类为预先定义的类别，如人员、组织、位置、时间表达式、数量、货币值、百分比等。命名实体识别是自然语言处理中的热点研究方向之一， 目的
pynlpir更新license Error: unable to fetch newest license解决方案
pynlpir更新license Error: unable to fetch newest license解决方案1. 问题描述2. 解决方案
