什么是NLP中的文本摘要
自动文本摘要是在保持关键信息内容和整体含义的同时,生成简洁流畅的摘要的任务。
文本摘要目前大致可以分为抽取式与生成式两种类型:
- Extractive Summarization:根据词语重要性、句子重要性排序,抽取出重要度高的句子,从而形成摘要。主要是对文本的选择,算法过程相对更容易,但是对于复杂的文本时,很难仅仅通过选择文本来形成摘要,如小说。
- Abstractive Summarization:过程更为复杂,但生成能力更强,可认为有一定的概括能力。
2.1 色度学基础
2.2 人的视觉特性
2.3 图像数字化
2.4 数字图像表示形式和特点
简介: 在总体分布任意的情形下,检验配对的试验数据所在总体的分布位置有无显著差异,往往可以利用符号检验的方法实现。但是符号检验只考虑差数的正负号,而不考虑差数的绝对值差异,会导致部分试验信息损失,结果较为粗略。为了避免符号检验方法的这一缺陷,Wilcoxon提出了一种改进方法,称为Wilcoxon秩和检验(rank sum test)。这种方法同时考虑了差异的方向和差异的大小,较之符号检验更为有效。而对于成组的试验数据所在总体的分布位置有无差异,也可以采用类似的方法进行检验。秩和检验(rank sum test)又称顺序和检验,它是一种非参数检验(nonparametric test)。非参数检验不依赖于总体分布的具体形式,应用时可以不考虑被研究对象为何种分布以及分布是否以知,因而实用性较强。