首页
学习
活动
专区
工具
TVP
发布

深度学习自然语言处理

专栏作者
1006
文章
1165963
阅读量
160
订阅数
MindMap: 将知识图谱引入LLMs,实现稳健且可解释的推理
像 GPT-3.5 这样的大型语言模型 (LLM) 已经展示了令人印象深刻的自然语言功能。然而,他们的推理过程仍然不透明,容易产生幻觉,且微调LLM成本极其昂贵。
zenRRan
2023-09-11
8000
对语言模型能否替代知识图谱的再思考
知识图谱(KGs)包含了许多真实世界的知识,在许多领域都发挥着重要重用,但是大型的知识图谱构建过程需要大量的人工介入。随着语言模型(LMs)的发展,其参数囊括的知识也是极其丰富且应用广泛的,同时语言模型的训练并不需要太多人工干涉。因此,有不少研究证明LMs可以替代KGs,但是这真的是正确的吗?或许我们需要重新审视一下这个观点。
zenRRan
2023-09-11
2490
ChatGPT能解决信息抽取吗?一份关于性能、评估标准、鲁棒性和错误的分析
信息抽取(IE)旨在从非结构化文本中抽取出结构化信息,该结果可以直接影响很多下游子任务,比如问答和知识图谱构建。因此,探索ChatGPT的信息抽取能力在一定程度上能反映出ChatGPT生成回复时对任务指令理解的性能。
zenRRan
2023-08-22
3990
这份大佬分享的NLP论文和实战项目太强了,我肝了!
近些年来在NLP知名核心企业(谷歌、IBM、阿里巴巴等)推动下,自然语言在人机对话、问答系统、语言翻译等方向的实际应用中取得了不错的成绩,也一直使得 NLP相关岗位的薪资“持续美丽”。 截图来自:BOSS直聘 虽然它成为了跳槽和转行的热门方向,但还是有不少人深陷困扰,原因大概有两点: 一就是NLP的学习难度: 作为一门综合性的学问,它远远不止机器学习算法。 相比图像或语音,文本的变化更加复杂,例如从预处理来看,NLP 就要求我们根据对数据的理解定制一种流程。 尤其是随着 UGC 内容的越来越多,NLP 在
zenRRan
2022-09-27
4510
QQ浏览器搜索中的智能问答技术
每天给你送来NLP技术干货! ---- ---- 分享嘉宾:姚婷 腾讯 专家研究员 编辑整理:王惠灵 合肥工业大学 出品平台:DataFunTalk 导读:智能问答是人工智能领域中一个比较受关注的方向,目前广泛应用于各种垂直或综合的搜索引擎、智能客服、智能助手以及智能手机、车载音箱等。本次分享的主题是QQ浏览器搜索中的智能问答技术,主要分为以下几个部分: 1.背景介绍 智能问答在搜索中的应用 搜索中的Top1问答 2.关键技术 搜索问答的技术框架 KBQA:基于知识图谱的问答 DeepQA:基于搜索+机器
zenRRan
2022-09-14
1.4K0
RT-KGD:多轮对话过程中的知识转换模型
每天给你送来NLP技术干货! ---- 本论文已入选国际语义网顶级会议ISWC 2022,论文标题为《RT-KGD: Relation Transition Aware Knowledge-Grounded Dialogue Generation》,该论文在融入知识图谱的对话生成任务中提出了一个新的模型RT-KGD来探究多轮对话中知识话题之间的转移关系,从而生成逻辑更连贯、融入信息更准确的回复语句。 Arxiv链接:https://arxiv.org/abs/2207.08212 Github链接:htt
zenRRan
2022-09-06
7220
招聘 | 美团NLP中心招日常实习生
每天给你送来NLP技术干货! ----   团队介绍 NLP中心是美团人工智能技术研发的核心团队,致力于打造高性能、高扩展的搜索引擎和领先的自然语言处理核心技术和服务能力,依托搜索排序,NLP(自然语言处理)、Deep Learning(深度学习)、Knowledge Graph(知识图谱)等技术,处理美团海量文本数据,打通餐饮、旅行、休闲娱乐等本地生活服务各个场景数据,不断加深对用户、场景、查询和服务的理解,高效地支撑形态各样的生活服务搜索,解决搜索场景下的多意图、个性化,时效性问题,给用户良好的搜索
zenRRan
2022-08-26
3660
结合NAACL2022对计算语言学趋势的思考与分析
每天给你送来NLP技术干货! ---- 译者 | 谈修泽 单位 | 东北大学自然语言处理实验室 01 引言 NAACL 会议是 ACL 的北美分会,每年举办一次,也是 NLP 领域备受关注的顶会之一。NAACL 主要涉及对话、信息抽取、信息检索、语言生成、机器翻译、多模态、统计机器学习等多个方面。 本篇文章的作者Antoine SIMOULIN协助了NAACL 2022,他结合今年一些论文的情况,就大规模预训练语言模型的应用、表现、期望等做了概述,总结并思考了当今计算语言学的发展趋势、不足与挑战。 02 原
zenRRan
2022-08-26
1980
师妹通过这个方法拿到了几个大厂的NLP offer
每天给你送来NLP技术干货! ---- 现在NLP越来越卷了,普通的实验室项目已经不能满足同龄人的pk了,最近小两届的师妹告知我她通过真实的企业NLP项目的实战历练,才终于功夫不负有心人,在提前批收获了不少大厂offer,哎,真的好羡慕。 人工智能在近十年得到了飞速的发展,AI人才的供不应求带来的高薪也不断吸引着优秀人才进入人工智能领域。然而,近几年,AI人才供需关系发生了变化,人工智能领域的求职竞争日益激烈,企业对于人才的要求越来越高,仅仅掌握基础的AI知识并参与过Demo项目,远远不足以让求职者在众多同
zenRRan
2022-08-26
4300
分享4个知识图谱实战项目!附数据集和代码,拿走不谢!
最近有学员再后台吐槽大厂对于知识图谱项目方面的考察深度提升了很多,面试问题一环接一环,把自己问的头皮发麻: 说说自己在项目中具体负责的模块中用到的技术细节,遇到了什么问题? 为什么这么做?效果如何?你如何调整模型,你思考的逻辑是什么? 你使用的模型的损失函数、如何优化、怎么训练模型的、用的什么数据集? 优化算法的选择做过哪些?为啥这么做? ...... 大家都知道NLP近几年非常火,而且发展也特别快。那些耳熟能详的BERT、GPT-3、图神经网络、知识图谱等技术也被大量应用于项目实践中。 尤其是知识图
zenRRan
2022-06-29
4.5K0
3 天,我把 NLP 中的预训练模型、图神经网络、模型压缩、知识图谱彻底撸清楚了!
大家都知道NLP近几年非常火,而且发展也特别快。那些耳熟的BERT、GPT-3、图神经网络、知识图谱等技术实际上也就是这几年发展起来的,特别像图神经网络在这两年间取得了飞速的发展。 我们正处在信息爆炸的时代、面对每天铺天盖地的新的网络资源和论文、很多时候我们面临的问题并不是缺资源,而是找准资源并高效学习。但很多时候你会发现,花费大量的时间在零零散散的内容上,但最后发现效率极低,浪费了很多宝贵的时间。 为了迎合大家学习的需求,我们重磅推出了《自然语言处理训练营》(一定要看到最后),主要有两个目的: 1. 对
zenRRan
2022-06-14
6060
终于来了!这份NLP算法工程师学习路线yyds!
大家都知道NLP近几年非常火,而且相关技术发展也特别快,像BERT、GPT-3、图神经网络、知识图谱等技术被大量应用于项目实践中,这也推动了NLP在产业中的持续落地,以及行业对相关人才的需求。于是很多人欲转行NLP。 但是最近有同学私信我,NLP很难学,这条路能坚持走吗? 对于这位朋友的问题,我想从两方面开始回答。 NLP学起来不容易 01 很多大多数欲从事NLP相关工作的同学,往往都是通过自学的方式来进行学习,但是这样很明显的问题是: 1. 虽然学习了解了很多算法模型,但是技术深度和宽度的理解是比较薄
zenRRan
2022-06-07
1.3K0
【建议收藏】NLP全路径学习推荐
我跟几位BAT老哥聊了下NLP全路径学习的事情,总结出以下内容,包含: 学习NLP需要具备哪些基础 NLP全路径各任务学习的项目 01 学习NLP需要具备的基础 01 机器学习 熟悉简单的机器学习模型。例如:逻辑回归、决策树、朴素贝叶斯、隐马尔科夫模型、K-Means、正则化方法等;有部分高级机器学习基础更好。例如:集成学习(随机森林、GBDT、XGB、Stacking等)、条件随机场CRF、贝叶斯网络、支持向量机、主题模型等。 02 深度学习 熟悉简单的神经网络基础。例如:神经元模型、多层感知机、反向传播
zenRRan
2022-06-07
5640
BERT模型的优化改进方法!
每天给你送来NLP技术干货! ---- 作者:Coggle数据科学 BERT模型的优化改进方法! 简介 本文为论文《BERT模型的主要优化改进方法研究综述》的阅读笔记,对 BERT主要优化改进方法进行了研究梳理。 BERT基础 BERT是由Google AI于2018年10月提出的一种基于深度学习的语言表示模型。BERT 发布时,在11种不同的NLP测试任务中取得最佳效果,NLP领域近期重要的研究成果。 BERT基础 BERT主要的模型结构是Transformer编码器。Transformer是由
zenRRan
2022-05-30
1.5K0
招聘 | 好未来NLP算法工程师,包括实习生、应届生和社招,组内论文多,技术深厚
每天给你送来NLP技术干货! ---- 编辑:zenRRan 来自:深度学习自然语言处理公众号 岗位:⾃然语⾔处理算法实习⽣ 部门:智能学习事业部 实习薪资:250~380 + 每天20元餐饮补助 工作地点:北京海淀区清河 岗位描述     1. 以打造技术影响⼒为⽬的,包括发表学术论⽂、获得⾼⽔平竞赛名次;     2. 参与信息抽取、问答、对话、搜索、知识图谱等相关应⽤的技术的研究; 岗位要求 1. 计算机/数学/统计等相关专业本科、硕⼠、博⼠在读。 2. 具有扎实的机器学习和⾃然语⾔处理理论
zenRRan
2022-03-16
4890
开放域信息抽取最新动向
2020年,自然语言处理领域顶级的国际学术会议EMNLP(Conference on Empirical Methods in Natural Language Processing)共录取论文751篇(长文601篇,短文150篇)。
zenRRan
2021-04-25
2.4K0
知识图谱在小米的应用与探索
导读:小米知识图谱于2017年创立,已支持公司了每天亿级的访问,已赋能小爱同学,小米有品、智能问答、用户画像、虚拟助手、智能客服等互联网产品。通过引入知识图谱,这些产品在内容理解、用户理解、实体推荐等方面都有了显著的效果提升。本文的主要内容包括:
zenRRan
2020-11-19
1.7K0
KDD20 | 图模型的信息融合专题
使用图模型解决问题时,面对实际环境中来源多样、形式复杂的数据,怎样将多种信息进行合理融合是一个值得关注的问题。本文将介绍两篇发表于KDD 2020的与图模型信息融合相关的工作。
zenRRan
2020-11-11
1.3K0
医疗NLP相关数据集整理
链接:https://github.com/lrs1353281004/Chinese_medical_NLP
zenRRan
2020-09-22
10.5K0
【KDD 2020】会话推荐系统新进展:基于互信息最大化的多知识图谱语义融合
论文标题: Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion
zenRRan
2020-07-15
1.8K0
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档