NLP的介紹和如何利用機器學(xué)習(xí)進(jìn)行NLP以及三種NLP技術(shù)的詳細(xì)介紹

本文用簡潔易懂的語言，講述了自然語言處理（NLP）的前世今生。從什么是NLP到為什么要學(xué)習(xí)NLP，再到如何利用機器學(xué)習(xí)進(jìn)行NLP，值得一讀。這是該系列的...

2018-06-10 標(biāo)簽：機器學(xué)習(xí)機器翻譯NLP 7.7萬 0

一個給NLP領(lǐng)域帶來革新的預(yù)訓(xùn)練語言大模型Bert

之前的文章和大家詳細(xì)的介紹了靜態(tài)的詞向量表示word2vec理論加實戰(zhàn)，但是word2vec存在一個很大的問題，由于是靜態(tài)詞向量所以無法表示一詞多義，對...

2023-02-28 標(biāo)簽：GPTELMOSTransformer 6.5萬 0

命名實體識別(NER)是自然語言處理(NLP)中的基本任務(wù)之一

LSTM網(wǎng)絡(luò)是整體思路同樣是先對給定的訓(xùn)練樣本進(jìn)行學(xué)習(xí)，確定模型中的參數(shù)，再利用該模型對測試樣本進(jìn)行預(yù)測得到最后的輸出。由于測試輸出的準(zhǔn)確性現(xiàn)階段達(dá)不到...

2018-04-18 標(biāo)簽：深度學(xué)習(xí)自然語言NLP 6.0萬 0

介紹Word2Vec和Glove這兩種最流行的詞嵌入方法背后的直覺

對于IDF而言，長文檔包含的單詞更多，因此更容易出現(xiàn)各種單詞。因此，IDF相等的情況下，經(jīng)常出現(xiàn)在短文檔中的單詞，信息量比經(jīng)常出現(xiàn)在長文檔中的單詞要高。...

2018-06-25 標(biāo)簽：向量NLP 5.9萬 0

一文詳解Transformer神經(jīng)網(wǎng)絡(luò)模型

Transformer模型在強化學(xué)習(xí)領(lǐng)域的應(yīng)用主要是應(yīng)用于策略學(xué)習(xí)和值函數(shù)近似。強化學(xué)習(xí)是指讓機器在與環(huán)境互動的過程中，通過試錯來學(xué)習(xí)最優(yōu)的行為策略。

2024-02-20 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)AITransformer 1.4萬 0

GAN新手必讀：如何將將GAN應(yīng)用于NLP（論文筆記）

GAN 自從被提出以來，就廣受大家的關(guān)注，尤其是在計算機視覺領(lǐng)域引起了很大的反響?！吧疃冉庾x：GAN模型及其在2016年度的進(jìn)展”［1］一文對過去一年G...

2017-11-22 標(biāo)簽：gannlp 1.2萬 0

為什么要使用預(yù)訓(xùn)練模型？8種優(yōu)秀預(yù)訓(xùn)練模型大盤點

正如我們在本文中所述，ULMFiT使用新穎的NLP技術(shù)取得了令人矚目的成果。該方法對預(yù)訓(xùn)練語言模型進(jìn)行微調(diào)，將其在WikiText-103數(shù)據(jù)集（維基百...

2019-04-04 標(biāo)簽：數(shù)據(jù)集自然語言處理nlp 2.4萬 0

NLP中CNN模型常見的Pooling操作方法及其典型網(wǎng)絡(luò)結(jié)構(gòu)

CNN是目前自然語言處理中和RNN并駕齊驅(qū)的兩種最常見的深度學(xué)習(xí)模型。圖1展示了在NLP任務(wù)中使用CNN模型的典型網(wǎng)絡(luò)結(jié)構(gòu)。一般而言，輸入的字或者詞用W...

2017-11-15 標(biāo)簽：cnnnlp 1.5萬 0

實體關(guān)系聯(lián)合抽取取得SOTA的三種方法

2020實體關(guān)系聯(lián)合抽取一片紅海，各種SOTA方法你方唱罷我方登場，在一些數(shù)據(jù)集上也是不斷刷出新高度，為信息抽取領(lǐng)域帶來了新思路，推動了信息抽取領(lǐng)域的發(fā)...

2021-02-10 標(biāo)簽：深度學(xué)習(xí)自然語言nlp 1.2萬 0

谷歌開源了一個強大的NLP深度學(xué)習(xí)框架Lingvo

Lingvo 是一個 Tensorflow 框架，為協(xié)作式深度學(xué)習(xí)研究提供了一個完整的解決方案，特別側(cè)重于 sequence-to-sequence 模...

2019-02-27 標(biāo)簽：谷歌深度學(xué)習(xí)nlp 1.1萬 0

當(dāng)云計算飛向深空 全面的太空及衛(wèi)星互聯(lián)還需等風(fēng)來

我們多次說起過，當(dāng)下的“上云”浪潮，源自無數(shù)來自于扎實產(chǎn)業(yè)土地的真實需求：工廠需要AI，機器人需要算力，城市需要智慧，流媒體需要高清低時延的體驗…… 照...

2021-04-03 標(biāo)簽：云計算AI智慧城市 1.1萬 0

深度學(xué)習(xí)：四種利用少量標(biāo)注數(shù)據(jù)進(jìn)行命名實體識別的方法

導(dǎo)讀 近年來，深度學(xué)習(xí)方法在特征抽取深度和模型精度上表現(xiàn)優(yōu)異，已經(jīng)超過了傳統(tǒng)方法，但無論是傳統(tǒng)機器學(xué)習(xí)還是深度學(xué)習(xí)方法都依賴大量標(biāo)注數(shù)據(jù)來訓(xùn)練模型，而現(xiàn)...

2021-01-03 標(biāo)簽：數(shù)據(jù)深度學(xué)習(xí)nlp 1.0萬 0