- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习与python集中营
【语料库】中文公开聊天语料库
使用该项目，即可对所有的聊天语料进行一次性的处理和统一下载，不需要到处自己去搜集下载和分别处理各种不同的格式。
9.8K50发布于 2019-05-29 - 来自专栏明天依旧可好的专栏
原始语料库
第一步： 判断数据中是否存在重复数据 创建python文件– 代码框架 ''' author: kzb time: 2018-12-10 ''' import pandas as pd import os,csv dataPath = os.path.join("音译原始数据.csv") def import_data(dataPath): ''' 导入文件中的数据 return:dataFrame ''' pass def find_En_Cn_excess(dataFrame
99030发布于 2019-01-22 - 来自专栏大模型应用
大模型应用：语料库治理实战：基于 text2vec+BERT 的由浅入深解析.41
直接用这类脏数据训练模型，只会让模型学错知识、生成混乱内容；而经过专业治理的小语料库，能让本地化模型的效果提升 50% 以上。 语料库治理的定义语料库治理（Corpus Governance）是指对原始文本数据进行采集、清洗、去重、质量评估、存储管理的全流程，核心目标是：降低噪声率（冗余、错误、无意义内容占比）；提升文本质量（语法正确性 对于小语料库，治理的核心原则是精而不是多，哪怕只有 1G 高质量语料，也远胜于 10G 脏数据。2. 语料库治理的问题2.1 完全重复：模型的记忆超载问题体现：同一段文本像复读机一样反复出现。 治理要点：建立精细化的领域分类系统，为不同应用场景构建领域纯净或领域平衡的语料集。3. 语料库治理的取舍 语料库治理并非简单的“剔除所有问题”，而是一门融合的艺术。 本地存储：结构化存储治理后的高质量语料五、示例：语料库治理实践1. 原始语料生成模拟包含噪声的原始语料（重复、短文本、格式混乱、错别字），覆盖 3 个核心领域。
34443编辑于 2026-03-10 - 来自专栏数据仓库
数据仓库(11)什么是大数据治理，数据治理的范围是哪些
什么是数据治理,数据治理包含哪些方面？大数据时代的到来，给了我们很多的机遇，也有很多的挑战。 最基础的调整也是大数据的计算和管理，数据治理是一个特别重要的大数据基础，他保证着数据能否被最好的应用，保证着数据的安全，治理等。那么数据治理到底能治什么，怎么治？ 数据治理主要包含七个方面。 完整性：数据完整且连续 一致性：数据在多数据源中意义一致 有效性：这里主要指数据在分析的时间点是有效，而非过期或失效数据 准确性：数据合理、准确，并符合数据类型的标准 数据安全管理 数据安全管理贯穿于数据治理全过程 如何有效地降低存储资源的消耗，节省存储成本，也是数据治理的一个目标。对于数据存储，目前业界的一些主要的处理方式，包括数据压缩、数据重分布、数据垃圾检测和清理、数据生命周期管理等。 需要数据仓库资料可以点击这个领取数据仓库(13)大数据数仓经典最值得阅读书籍推荐 参考文章：[数据仓库(11)什么是大数据治理，数据治理的范围是哪些 ](https://zhuanlan.zhihu.com
1.1K40编辑于 2023-04-09 - 来自专栏JasonhavenDai
人民日报标注语料库（PFR）1.标记说明2.格式说明3.例子4.生语料库和熟语料库5.其他语料库汇总
PFR语料库是对人民日报1998年上半年的纯文本语料进行了词语切分和词性标注制作而成的，严格按照人民日报的日期、版序、文章顺序编排的。 q、区别词b、代词r、动词v、形容词a、状态词z、副词d、介词p、连词c、助词u、语气词y、叹词e、拟声词o、成语i、习惯用语l、简称j、前接成分h、后接成分k、语素g、非语素字x、标点符号w）外，从语料库应用的角度 /w 4.生语料库和熟语料库 语料库中存放的是在语言的实际使用中真实出现过的语言材料，语料库是以电子计算机为载体承载语言知识的基础资源，真实语料需要经过加工 、分析和处理之后才能成为可用的语料库 生语料库是指收集之后未加工的预料库 相对而言，熟语料库就是经过加工的 5.其他语料库汇总 http://blog.csdn.net/qq
5.9K80发布于 2018-04-11 - 来自专栏机器学习AI算法工程
文本分类中语料库的获取——搜狗语料库
这次主要总结搜过语料库的获取，因为老师要求20万数据，而我自己只爬了2万多，所以用到了搜狗的语料库.
3.2K80发布于 2018-03-14 - 来自专栏深度学习与python
“天猫双11”背后的流量治理技术与标准实践
作者 | 赵奕豪 (宿何)：Sentinel & OpenSergo 开源项目负责人 一年一度的天猫双 11 正在火热进行中，大家在疯狂买买买的过程中一定会有疑问：如何保障微服务在双十一的超级峰值下也能如丝般顺滑稳定 不同框架治理配置方式的不一致使得微服务统一治理管控的复杂度相当高。 OpenSergo 是开放通用的，覆盖微服务及上下游关联组件的微服务治理项目，从微服务的角度出发，涵盖流量治理、服务容错与自愈、服务元信息治理、安全治理等关键治理领域，提供一系列的治理能力与标准、生态适配与最佳实践 Sentinel 在内部承载非常多的服务可用性与容错的场景，保障了近十年天猫双 11 流量峰值的稳定。 5 展望 流量防护与容错是微服务流量治理中的重要的一环，同时 OpenSergo 还提供更广范围、更多场景的微服务治理标准与最佳实践，包括流量路由、流量染色、微服务视角的数据库治理、日志治理等一系列的微服务治理能力与场景
1.3K20编辑于 2022-11-28 11-2025 年企业级数据治理工具精选盘点
从超大型企业的全域数据整合到中小型企业的精准数据运营，数据治理工具的选择与落地成为关键命题。本文将解析10家国内外主流数据治理与数据中台产品，结合实战案例呈现行业最佳实践。 二、腾讯WeData腾讯WeData是腾讯云旗下企业级数据治理与运营平台，依托腾讯在互联网行业的技术积累，为企业提供数据集成、开发、治理、服务全链路解决方案。 七、InformaticaInformatica是全球数据治理领域的资深厂商，其数据治理解决方案涵盖数据集成、数据质量、主数据管理、数据安全等全维度能力。 九、CollibraCollibra是专注于数据治理领域的国外厂商，其数据治理平台以数据资产化为核心，提供数据目录、数据质量、数据政策管理、数据 lineage 等全流程功能。 平台采用协作式治理模式，支持业务与IT人员协同参与数据治理，通过可视化界面提升操作便捷性。
89910编辑于 2025-11-06- 来自专栏希里安
微服务治理？容器治理？
可识别英语、俄语、中文等语言，感兴趣的可以看下--[Translumo](https://github.com/Danily07/Translumo) 微服务和容器治理 微服务治理和容器治理都是与分布式应用程序和容器化部署相关的领域 微服务治理（Microservices Governance）： 微服务治理是管理和维护微服务架构中的各个微服务组件的一系列策略、实践和工具。 自动化： 自动化是微服务治理的核心，包括自动部署、自动伸缩和自动化测试等。 容器治理（Container Orchestration）： 容器治理是管理容器化应用程序的一系列策略和工具。 容器治理实例 容器治理是确保容器化应用程序在分布式环境中可靠运行的一组实践和工具。 容器治理： 安全性容器治理可以管理访问控制、证书管理和数据加密，以确保数据的保密性和完整性。
1.1K40编辑于 2023-10-30 - 来自专栏实时流式计算
【译文】数据治理与BI治理
几十年来，数据治理一直是企业关注的焦点，并随着企业数据量的急剧增长，数据治理的重要性日益凸显。然而，大规模的有效BI治理一直是一个难以实现的目标，因为它需要比传统数据治理更广泛的关注点。 毕竟，如果给用户的交付物不一致，或者缺乏适当的上下文以确保业务用户正确地理解数据，那么所谓高质量、精心治理的数据又有什么价值呢？ 有效的BI治理要求组织为数据和分析的治理建立流程。 BI门户的关键治理角色体现在以下两个场景：独立的BI治理平台，或与数据目录协同工作。 什么是数据治理？ 数据治理是一组确保有效管理和利用数据的过程和技术的集合。 组织中的分析师和数据管理员使用数据治理工具来执行公司治理政策，来促进数据的正确使用。 应用这些工具进行数据治理需要大量的持续投资，因此许多组织希望从这些投资中获得可观的投资回报。 什么是BI治理？
1.5K40编辑于 2023-03-24 - 来自专栏橙子架构杂谈
【服务治理】服务治理漫谈
【服务治理】服务治理漫谈 0. 这能给我们后续无论是业务应用还是基础技术领域的服务治理提供一些参考。 1. 什么是服务治理 在一切的最开始，我们先来问自己一个问题，什么叫做服务治理？ 我们需要什么样的服务治理 我们了解了什么是服务治理、服务治理是怎么演变发展的，这时候，我们不禁会想，我也要做服务治理！但是，请先停一下，请先问一下自己，我们需要什么样的服务治理？ 但，服务治理上，如何才能实现更高效的自动化呢？我认为： 自动化是治理的高级形态，而标准化是规模化治理的前提。 结语与展望 我们来回顾一下，在第一章，我们讲述了什么是服务治理，认为服务治理即治理三要素和服务环，第二章，介绍了服务治理的发展演变，简单介绍了三个阶段的思潮和演变的逻辑，让我们对于目前服务治理大发展方向和未来的发展趋势可以有一个初步的预测
4K31编辑于 2021-12-06 - 来自专栏Star先生的专栏
Fiddler + JSoup 爬取现代汉语语料库数据
Elements spanPoint = doc .select("span[style=display:inline-block;font-family:宋体;font-size:11pt docnext .select("span[style=display:inline-block;font-family:宋体;font-size:11pt
2K00发布于 2017-08-01 - 来自专栏AI算法与图像处理
SCI语料库！学术写作神器——Academic Phrasebank
https://www.phrasebank.manchester.ac.uk/introducing-work/
2.4K30编辑于 2022-12-11 - 来自专栏CreateAMind
抽象和推理语料库的通用规划
摘要 抽象和推理语料库（ARC）是一个通用的人工智能基准，由于其对流体智能的要求，侧重于推理和抽象，对于纯粹的机器学习方法来说具有挑战性。 其中一个任务，由Chollet（2019）引入的抽象和推理语料库（ARC），仍然是一个开放的挑战。 如果对第一个返回解决方案的扩展节点数量感兴趣，GPAR的性能差异很大，如补充材料中图11的最左边部分所示。 由所有三个模型解决的“公共”任务通常需要GPAR扩展较少数量的节点，这对于图11中间显示的第一个返回解决方案也是如此。 然而，对于第一个返回的解决方案，扩展节点的数量仍然相对较低，如图11的最右边部分所示。相反的分布表明，在发现正确的解决方案之前，对不正确的抽象和参数进行了大量的探索。
51710编辑于 2024-07-05 - 来自专栏全栈程序员必看
服务治理
服务治理可以说是微服务架构中最为核心和基础的模块，它主要用来实现各个微服务实例的自动化注册和发现。 中 istio 谷歌、IBM、Lyft 是 少 Ps：Spring Cloud Eureka是Spring Cloud Netflix 微服务套件的一部分，主要负责完成微服务架构中的服务治理功能 除了这3个核心动作之外，其它的辅助操作还有统计上报、鉴权等等，这也是我们搭建一个服务治理框架需要实现的功能。从MVP的角度来说，注册、订阅、变更下发是最基础的核心功能。 服务治理的扩展 在企业中，我们可以针对服务治理做更多的扩展。比如： 1.基于版本号的服务管理，可以用于灰度发布。 2.请求的复制回放，用于模拟真实的流量进行压测。
1.2K30编辑于 2022-08-04 - 来自专栏FreeBuf
观点 | 数据治理与数据安全治理思考
数据治理 数据治理（Data Governance）是组织中涉及数据使用的一整套管理行为，包括数据治理计划、监控、实施。 从这8个能力域来看与数据治理需要的工具类似，因此我们在某一个层面上，可以DCMM为标准来进行数据治理的工作开展，或者认同DCMM作为现阶段数据治理的指导，不必深究数据治理与数据管理的差异化。 （数据安全复合治理与时间白皮书） 不同之处 →视角不同 数据治理的视角： 数据治理指利用数据驱动业务，实现企业增值。数据治理的智能化程度，决定了企业数字化转型的加速度。 而数据安全治理是数据治理的一个过程，是企业数字化转型进行数据治理中必经阶段，数据安全治理是否可以独立实施还有待详细讨论，数据安全治理是以保护数据的生命周期安全，需要的一系列管理和技术支撑，是数据安全领域数据 在现阶段多数中小企业数据中台或数据治理仍在建设中的情形下，根据数据治理的侧重点不同，在数据治理过程中实施数据安全治理的比重或阶段各不相同，甚至不包含数据安全治理。
2.3K30编辑于 2023-03-30 语料库构建与主动学习标注工具解析
大多数自然语言处理项目的成功关键取决于用于训练和评估模型的标注数据质量。本期节目中，某机构的Matt和Ines介绍了如何通过一款工具提升数据标注和模型开发工作流程。
15510编辑于 2025-09-19- 来自专栏数据分析与挖掘
COIG：开源四类中文指令语料库
我们构建了5个开源的高质量中文指令语料库，包括68k的普通中文指令语料库、62k的中文考试指令语料库、3k的中文人值对齐语料库和13k的中文反事实校正多轮聊天语料库，作为沿着指出的研究方向构建新的中文教学语料库的样本 Part3COIG：中文开源指令数据通用语料库 第3.1节中分别介绍了一个经过人工验证的普通指令语料库，在第3.2节中介绍了一个经过人工注释的考试指令语料库，在第3.3节中介绍了一个人类价值调整指令语料库 ，在第3.3节中介绍了一个多轮反事实修正聊天语料库，在第3.5节中介绍了一个leetcode指令语料库。 我们提供这些新的指令语料库是为了帮助社区对中文LLMs进行指令调整。这些指令语料库也是如何有效建立和扩展新的中文指令语料库的模板工作流程。 6指令语料库构建工作流程的实证验证 本节总结了关于中文指令语料库建设工作流程的合理实证结论和经验。
1.4K20编辑于 2023-04-27 - 来自专栏数据科学与人工智能
基于Python的语料库数据处理（六）
文 | 段洵 3756字 | 10 分钟阅读 一起来学习用Python进行语料库数据处理吧！ 今天我们学习的内容是匹配零个或多个字符！ 例子文本节选自 FROWN语料库。请完成下列检索匹配任务:①如何检索文本中所有以-ing结尾的单词?②如何检索文本中所有以th-开头的单词?③如何检索文本中所有数字或者含有数字的字符串?
78510发布于 2021-01-28 - 来自专栏韩锋频道
浅析”IT治理“
正因为如此，才引入了"IT治理"这个概念。从定义上讲，IT治理，是指设计并实施信息化过程中，各方利益最大化的制度安排。 3 IT治理、企业治理、IT管理的关系 这是三个很容易混淆的概念，只有理清三者关系，才能有效推动治理落地。 【IT治理】 IT治理，主要关注企业的IT投资是否与战略目标相一致，从而构筑必要的核心竞争力。IT治理要能体现未来信息技术与未来企业组织的战略集成。 IT治理实践 1 前提条件 明确目标 IT治理活动与企业治理过程相结合，并有企业领导的参与。IT治理专注于企业目标和战略，使用技术提高业务水平，并满足业务需求的足够可用的资源和能力。 治理流程 IT治理流程是保证企业的相关部门采用合理的步骤进行IT治理活动。制订相关流程和规范并有效实施。它应是根据企业需求出发并落实责任到人。
4.1K40发布于 2019-06-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号