Nano Hash - криптовалюты, майнинг, программирование

Нарисуйте банк дерева настроений Стэнфорда в Java

Я использую Stanford coreNLP для анализа настроений. Теперь я хочу, чтобы банк дерева выглядел так: http://nlp.stanford.edu/sentiment/treebank.html

Но я не могу получить оценку для каждого узла в банке деревьев, поэтому я не могу этого сделать. Я нашел в Интернете и увидел, что кто-то может легко рисовать на Python.

Есть ли у вас идея нарисовать банк деревьев для Стэнфордского настроения в java (пример - качели).

Спасибо всем.

java sentiment-analysis stanford-nlp swing
14.03.2017

  • Может быть, взглянуть на JavaFX? 14.03.2017
  • Вот очень простой пример, но если вы проведете небольшое исследование, то обнаружите несколько библиотек, которые могут создавать графики, которые вы пытаетесь создать. 14.03.2017
  • Спасибо, MadProgrammer, я могу нарисовать дерево синтаксического анализа в Swing, но я не могу получить оценку для каждого узла в дереве. Знаете ли вы, как получить оценку для каждого узла в дереве синтаксического анализа Стэнфорда? 15.03.2017
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..