bs4 的速度在處理大家資料時有點令人不耐，此時 lxml 不失為一個好方案
參 http://lxml.de/
在處理文字時，如果有 tag 與文字混雜的情況，可參考 http://yshblog.com/blog/151
基本上就是會把文字放在 tag 的 tail 屬性當中，要花點工夫去找出來、串起來
訂閱：
張貼留言 (Atom)
熱門文章
-
本次訪談邀請到深耕人工智慧與軟體工程多年的Andre Karpathy，討論AI代理（agents）技術的革命性進展、軟體工程與研究自動化的未來願景，以及AI在家居自動化、教育和機器人領域的應用趨勢。 AI代理顛覆軟體開發 Karpathy 表示，從2023年12月開始，他...
-
在機器學習應用中，傳統的監督式學習通常假設訓練資料與測試資料共享相同的分佈（in-distribution, ID）。然而現實世界中這一假設往往不成立，例如在自動駕駛、醫療影像分析等情境中，系統極有可能遇到未曾見過的類別或異常狀況，這些未知類別資料即為所謂的「分佈外數據」（ou...
-
這段訪談深入探討了宇宙可能是模擬運行的假設，並涉及多領域專家的觀點，包括遊戲設計、哲學、物理學、心理學與生命科學。 首先，卡內基梅隆大學的遊戲設計專家Jesse Shell指出，雖然當代遊戲無法完美模擬三維世界與複雜感官體驗，但透過簡化「主動玩家」與「背景角色」的運算方式，可...
-
這段影片介紹了一位創作者如何利用Andre Karpathy（前特斯拉AI主管、OpenAI創始成員）發布的自動研究（Auto Research）開源專案，打造一套能自我提升的內容產製機器人。該系統每天產出5支影片，發布後根據Instagram及Facebook的真實觀看數據，自...
-
在機器學習領域中，高斯混合模型（Gaussian Mixture Models, GMMs）長期以來一直是重要的統計工具，廣泛應用於聚類、密度估計、異常檢測等任務。隨著數據維度與複雜度的提升，如何有效且理論上嚴謹地學習多元高斯混合分布，尤其是在樣本數有限的情況下，成為一個充滿挑...
-
近年來，基於擴散模型（Diffusion Models）的圖像生成技術掀起了人工智慧領域的革命，從生成高品質自然圖像到文本到圖像的轉換任務，其優異表現已成為影像生成的主流架構。然而，研究者們在提升生成圖像的「品質」與「多樣性」之間常陷入一種矛盾或稱糾纏的困境。如何在保持圖像清晰...
-
在多智能體系統（multi-agent systems）的理論發展歷程中，「無遺憾學習」（no-regret learning）是一項重要里程碑。特別是在重複進行的常態型遊戲（normal-form games）中，玩家們若能持續最小化內部遺憾（internal regret）...
-
隨著機器學習技術日益滲透社會各個層面，公平性（fairness）問題成為研究熱點，尤其是在分類決策系統中如何避免對少數族群或弱勢群體產生歧視。然而，大多數公平性研究及其評估標準主要集中在靜態的決策階段，忽略了這些決策如何隨時間影響整體族群的福祉與長期發展。ICML 2018 年...
-
本集《Y Files》深入探討了一種被稱為「時間風暴」的超自然現象，這類事件在全球範圍內已被記錄數百年，許多文化對其有不同的稱呼。時間風暴被描述為帶有光芒的彩色迷霧，能引起時間感知扭曲、失蹤甚至物理變化的神秘現象。 故事從1977年智利山區的軍士瓦爾德茲（Armando Va...
-
在機器學習領域中，半空間（Halfspaces）分類器是最基本且重要的線性模型形式之一。它不僅在理論上有深厚研究基礎，也為眾多實務應用所採用，例如信號處理、廣告推薦及生物資訊學等。然而，現實中數據往往本身帶有噪音，尤其是標籤噪音，這也促使學者持續研究在噪音條件下，如何有效且高效...
沒有留言:
張貼留言