NLP 实验3 FAQ 政务问答
训练模型 构建索引 测试性能 检测服务api情况 实际效果受制于训练数据集和训练参数,模型效果针对不同问题参差不齐 政务问答 FAQ 系统 基于 SimCSE 和 WR 策略的无监督政务问答检索系统，能够高效处理政府工作人员日常政策解读工作。 项目特色 低门槛 无需相似 Query-Query 标注数据 使用无监督对比学习构建语义检索系统 效果好 采用预训练语言模型 BERT 作为基础编码器 集成 WR(Word Repetition)策略增强语义表示 性能快 基于 FAISS 高效向量检索 轻量级 API 服务快速部署 环境要求 Python 3.8+ PyTorch 2.0+ FAISS …
云计算实验2 -重庆天气数据爬取与空气质量预测系统实验报告
重庆2022-2024年天气数据分析实验报告 一、实验目的 1.1 技术目标 掌握使用Python进行网络爬虫的技术，从指定网站爬取重庆2022-2024年的天气数据。 学习数据预处理方法，包括处理缺失值、标准化数值特征和编码分类变量。 应用机器学习算法（逻辑回归、随机森林、支持向量机）进行空气质量分类预测。 熟悉模型评估方法，生成混淆矩阵、ROC曲线，并分析模型性能。 1.2 实践目标 提升数据分析能力，整合爬虫、预处理和机器学习的全流程。 通过可视化工具（混淆矩阵、ROC曲线）直观展示模型效果。 总结实验中的问题并提出改进方案，培养解决实际问题的能力。 二、实验要求 2.1 数据采集 从t…
CQU CV Project4 人物检测
基于 HOG 特征的人物检测系统讲解 1. 项目概述 1.1 项目背景 人物检测是计算机视觉领域的一个基础问题，具有广泛的应用场景，如智能监控、人流统计、智能驾驶等。在众多人物检测算法中，基于 HOG 特征的检测方法因其良好的检测效果和相对较低的计算复杂度而被广泛应用。本项目基于 OpenCV 实现了一个完整的人物检测系统，支持图像检测、批量处理和参数调优等功能。 1.2 系统功能 本系统主要功能包括： 单图像人物检测：检测单张图像中的人物并显示结果 批量图像处理：批量处理多张图像，使用不同参数组合测试检测效果 参数自定义：支持配置 HOG 检测器的关键参数 结果可视化：将检测结果直观地显示并…
CQU CV Projects3 基于LK光流法的目标追踪
TO DO opencv\samples\cpp\lkdemo.cpp 代码加注释 目标跟踪示例的算法流程图 光流法目标跟踪的基本原理 用不同的测试数据进行实验,分析结果的性能(对光照,仿射,遮挡的鲁棒性);并指出结果中的不足与处理流程中的算法有何关系;若能力优秀尝试进行改进 注释 lkdemo_commented.cpp Lucas-Kanade 光流法目标跟踪分析 1. 算法流程图 +---------------------+ | 开始 | +----------+-------…
大数据技术计算实验一 (关联分析)
1 实验目的 理解 Apriori 和 FP-growth 算法的基本原理学会用 python 实现 Apriori 算法进行关联分析学会用 python 实现 FP-growth 算法进行关联分析 手写/调库 实现Apriori/FP-growth 算法 在给定置信度,支持度,数据的情况下计算频繁项集,关联规则 2 开发环境 编程软件：anconda/spyder/pycharm环境：python3.6 以上、numpy、pandas、sklearn、Jupyter Notebook 等 3 实验内容及代码 3.1 Apriori 算法 3.1.1 手写 """ Apriori算法纯Pyth…
CQU CV Project2 特征点匹配 基于opencv
opencv/samples/cpp/generic_descriptor_match.cpp at 2.4 · opencv/opencv samples\cpp\generic_descriptor_match.cpp 多种描述符匹配算法,提取图像特征点 #include "opencv2/opencv_modules.hpp" #include <cstdio> // 检查是否包含OpenCV的非自由模块，如果没有则输出错误信息 #ifndef HAVE_OPENCV_NONFREE int main(int, char**) { printf("The sample r…
NLP experiment2
正在收集工作区信息# 基于LSTM实现电影评论的情感分析实验报告 1. 项目概述 本项目实现了一个基于长短期记忆网络（LSTM）的电影评论情感分析模型，使用了IMDb电影评论数据集进行训练和测试。模型能够对电影评论文本进行二分类，判断评论情感是正面还是负面。 2. 实验环境 2.1 硬件环境 CPU/GPU配置 内存配置 存储配置 2.2 软件环境 操作系统：Windows/Linux/MacOS Python版本：3.7+ 深度学习框架：PaddlePaddle 依赖包： # requirements.txt中的依赖 paddlepaddle==2.3.0 numpy pandas matp…
NLPexperiment1 新闻标题分类
NLP文本分类实验报告 1. 引言 1.1 实验背景 本实验实现了一个基于PyTorch的自然语言处理文本分类系统，使用双向LSTM结合注意力机制对中文文本进行多分类任务。实验采用了现代深度学习架构，旨在准确分类新闻文本的类别。 1.2 实验目标 实现一个端到端的文本分类系统 利用深度学习技术提高分类准确率 探索注意力机制在文本分类中的应用 实现GPU加速训练 2. 实验环境 2.1 技术栈 Python 3.x PyTorch - 深度学习框架 jieba - 中文分词库 NumPy - 数值计算库 Matplotlib - 可视化库 2.2 硬件环境 GPU加速支持（CUDA） CPU备选…
CQU CV Project1 Sobel Laplac Canny 算子边缘检测
FinBert 金融报告情感分析项目
图像处理与边缘检测学习报告(较为概括) 项目简介 这份代码是我学习计算机视觉（CV）的第一个实验，用 Python 和 OpenCV 实现了一些基本的图像处理功能。我通过这个项目学会了如何读取图片、显示图片，还尝试了三种找边缘的方法，最后还研究了噪声和参数对边缘检测的影响。 环境准备 编程语言: Python 需要的库: OpenCV (cv2)：处理图像。 NumPy (np)：计算数字。 Matplotlib (plt)：画图展示。 安装方法: conda create --name cv python=3.12 conda activate cv pip install opencv-p…
本项目是一个基于 FinBERT 模型的金融报告情感分析系统，专注于对 10-K 年报进行情感分析，将文本内容分类为积极（利好）、中性或消极（利空）情感，并提供直观的可视化界面展示分析结果。 项目概述 FinBert 系统自动提取和分析 10-K 报告中的关键章节，如管理层讨论与分析(MD&A)、风险因素等，使用专为金融领域训练的 BERT 模型判断情感倾向，并通过 Web 界面呈现分析结果，帮助投资者和分析师快速理解财报情感基调。当我点进某只股票的某份报告,应该映入眼帘的是截取的 4 份文字,每份文字每句话用绿,灰,红标出,分别代表利好 中性 利空 项目结构 FinBert/ ├──…