冰与火之歌剧情解说,冰与火之歌另一版本大结局

首页 > 娱乐 > 作者:YD1662024-06-24 11:22:55

以这个句子为例,Eddard(奈德·史塔克)和Jon(琼恩·雪诺)之间隔着4个单词,因此在故事里他们是“相近”的。

两个名字越相近且越频繁地出现在一起,就可以假设在故事中他们彼此交织,构成一组名称对。

使用一个包含25个单词的窗口并计算此窗口中所有名称对共同出现的次数,就能得到这组名称对的“权重”。

引入网络理论,判断一个角色与其他角色的关联性主要用到了四个关键概念:

鉴于作者倾向于以稳定的速度*死关键人物,Peter认为中介中心性更有参考价值,它能衡量*死一个人物的难度。

冰与火之歌剧情解说,冰与火之歌另一版本大结局(13)

可以看到网络理论认为龙妈处在边缘位置,重要性不仅不如囧雪和小恶魔,甚至连二丫也没比过。

机器学习实力预测死亡率

慕尼黑工业大学(TUM)的团队则是双管齐下,用两种方法来预测角色的死亡概率。

一个方法是从冰与火之歌和权力的游戏的维基百科中提取角色特征数据集,使用pymc3封装的MCMC方法来训练BAYESEAN生存分析模型。

另一个方法是在Python的Keras框架下训练神经网络。比起BAYESEAN生存分析模型,神经网络能够囊括更多“意外”死亡。

冰与火之歌剧情解说,冰与火之歌另一版本大结局(14)

具体的训练方法他们写在了这个项目的官网中,而权游里每一个角色的死亡百分比也都可以在官网中查询到。想知道自己关注的角色会不会活到最后,熬夜追剧的同时,不妨也看一看机器学习的结论吧~

传送门

TUM: https://got.show/

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

上一页1234末页

栏目热文

文档排行

本站推荐

Copyright © 2018 - 2021 www.yd166.com., All Rights Reserved.