반응형 분류 전체보기70 [python] 문자열을 list나 dictionary 타입으로 변환 : ast.literal_eval csv로 저장한 데이터를 데이터프레임으로 읽어들이면 list나 dictionary 타입의 데이터들이 str 타입의 문자열 데이터로 바뀌어져 있는 경우가 있다. 이 경우 사용하면 좋은 파이썬 함수가 바로 ast 라이브러리의 literal_eval 이다. literal_eval() 함수를 사용하기 위해서는 먼저 ast 라이브러리를 import 해야한다. 사용 예시 코드는 아래와 같다. import ast import pandas as pd df = pd.read_csv("데이터.csv") print(df.sample[0]) >> "['이것은', '샘플', '문장입니다.']" type(df.sample[0]) >> str sample_list = ast.literal_eval(df.sample[0]) # sa.. 2022. 10. 28. [논문리뷰] Diffusion-LM Improves Controllable Text Generation https://deepai.org/publication/diffusion-lm-improves-controllable-text-generation Diffusion-LM Improves Controllable Text Generation 05/27/22 - Controlling the behavior of language models (LMs) without re-training is a major open problem in natural language generation. Whil... deepai.org Abstract re-training 없이 language models (LMs)의 행동을 컨트롤하는 것은 NLP에서 major open problem임. 최근 연구들에서 simple senten.. 2022. 9. 20. [python] 폐쇄망에 개발환경 셋팅하기 1. python venv 를 활용해 가상환경에 필요한 라이브러리 설치 $pip freeze > requierments.txt 로 저장하면 패키지 리스트가 작성됨 2. 설치파일 다운로드를 위해서는 pip download 활용 $cd [다운로드할 경로] $pip download -r ../ke-t5-main/requirements.txt 2022. 8. 16. [논문 리뷰] doc2query : Document Expansion by Query Prediction 시작하기 앞서 doc2query란 문서 단위로 적합한 질의를 예측하는 모델로, 특정 문서를 클릭했을 때 사용자 관심사를 추정할 수 있음. 사용자 질의에는 포함되어 있지 않지만 사용자의 숨겨진 검색 의도를 클릭한 문서를 통해 예측할 수 있고, 사용자 검색 의도에 부합하는 더 구체적으로 좁혀진 의도의 문서들을 추천할 수 있다. doc2query를 제안하며 이를 통해 Document Expansion 하는 논문이 바로 Document Expansion by Query Prediction. https://arxiv.org/abs/1904.08375 Document Expansion by Query Prediction One technique to improve the retrieval effectiveness .. 2022. 6. 28. 이전 1 ··· 12 13 14 15 16 17 18 다음 반응형
