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
1010
文章
1174915
阅读量
161
订阅数
统计机器学习方法 for NLP:基于CRF的词性标注
知乎: nghuyong 链接: https://zhuanlan.zhihu.com/p/523164712
zenRRan
2023-01-10
8460
统计机器学习方法 for NLP:基于HMM的词性标注
知乎: nghuyong 链接: https://zhuanlan.zhihu.com/p/533678582
zenRRan
2023-01-10
8640
今年一位双非的秋招回顾,寒气逼人...
编者按:这是一位同学写的今年新鲜出炉的秋招总结,内容很详实,对读者们应该能够提供一些信息参考。点击https://www.nowcoder.com/users/291384568可以查看原博文
zenRRan
2023-01-10
5870
CLarET:实现上下文到事件相关感知的预训练模型
每天给你送来NLP技术干货! ---- 本期分享者:澜舟金融NLP组 研究方向为金融领域 NLP 算法的研究和应用。 邮箱:mayongliang@langboat.com 写在前面 自然语言文本里描述的“事件”,通常是由一个谓词及其论点组成的一个文本片段(span),是一个细粒度的语义单元,描述了实体的状态和行为,如 He looks very worried 和 I grab his arms。理解事件并建模它们之间的相关性是许多推理任务的基础。在图1的例子中,想要生成事件[E],模型需要先知道这里有四
zenRRan
2022-10-11
7380
NIPS'22 | 重新审视区域视觉特征在基于知识的视觉问答中的作用
作者: 金克丝 (在读博士) 方向: 多模态学习 学校: 南京理工大学 REVIVE: Regional Visual Representation Matters in Knowledge-Based Visual Question Answering 会议:NIPS 2022 论文:REVIVE: Regional Visual Representation Matters in Knowledge-Based Visual Question Answering 链接:https://arxiv.or
zenRRan
2022-09-28
1K0
对预训练语言模型中跨语言迁移影响因素的分析
作者:李加贝 方向:跨模态检索 链接:https://zhuanlan.zhihu.com/p/556921577 ACL'20: Emerging Cross-lingual Structure in Pretrained Language Models 这篇论文发表在ACL’20,作者研究了多语言掩码语言建模问题,并详细研究了影响这些模型对跨语言迁移的几个有效因素。 task: natural language inference (NLI), named entity recognition (NE
zenRRan
2022-09-27
7080
清华大学周伯文老师课题组招聘助理教授/博士后/工程师/短期访问学生
清华大学协同交互智能课题组位于清华大学电子工程系罗姆楼,负责人为周伯文教授。该课题组致力于研究面向人工智能可信理论突破为基座的多模态交互数智化赋能关键技术,研究目标为:构建可解释、可交互、可信赖、能推理、能决策、有知识、自适应的新一代AI模型和理论,让AI系统更好地与人协同完成复杂任务,并更好地自适应产业数智化中多应用场景。 课题组简介 课题组主要研究方向包括: 多模态表征与交互 研究多模态信息的理解、生成、交互与知识图谱的融合推理,提升人机协同场景下的认知、创新与决策能力,建立数据驱动的机器学习与知识驱动
zenRRan
2022-09-27
6020
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
4540
综述 | 机器学习中的模型评价、模型选择与算法选择!
每天给你送来NLP技术干货! ---- 选自 Sebastian Raschka,来源:机器之心 本论文回顾了用于解决模型评估、模型选择和算法选择三项任务的不同技术,并参考理论和实证研究讨论了每一项技术的主要优势和劣势。进而,给出建议以促进机器学习研究与应用方面的最佳实践。 论文链接:https://sebastianraschka.com/pdf/manuscripts/model-eval.pdf 摘要:模型评估、模型选择和算法选择技术的正确使用在学术性机器学习研究和诸多产业环境中异常关键。本文回顾了
zenRRan
2022-09-22
4320
学习=拟合?深度学习和经典统计学是一回事吗?
每天给你送来NLP技术干货! ---- ©作者 | Boaz Barak 来源 | 机器之心编译 排版 | PaperWeekly 深度学习和简单的统计学是一回事吗?很多人可能都有这个疑问,毕竟二者连术语都有很多相似的地方。在这篇文章中,理论计算机科学家、哈佛大学知名教授 Boaz Barak 详细比较了深度学习与经典统计学的差异,认为“如果纯粹从统计学角度认识深度学习,就会忽略其成功的关键因素”。 图源:https://twitter.com/YiMaTweets/status/15539134641
zenRRan
2022-09-20
2970
推荐系统算法和模型实战经验【肝了好久】
我们在学习推荐系统的时候,最好是理论结合项目一起来做,项目能直接检验学习的理论知识。我觉得推荐系统算法和其他深度学习算法不一样的点在于:推荐系统算法有比较多的项目可以去练手(就是说推荐系统算法的应用更大众化,模型应用广泛,训练数据更多。) 本文将从推荐系统理论知识,到经典算法,到模型应用和大家详细说一说。(最后会给大家总结一个学习路径,需要的自取) 推荐系统发展 分类目录👉搜索引擎👉推荐系统 推荐系统能做的 推荐系统能够主动为我们提供千人千面、个性化服务 电商:据说亚马逊收入至少有35%来自推荐算法; 应用
zenRRan
2022-09-06
3610
NER入门:命名实体识别介绍及经验分享
每天给你送来NLP技术干货! ---- 来自:AI有温度 大家好,我是泰哥。本篇文章从什么是命名实体讲到为什么要做命名实体,然后讲到了NER数据处理及建模经验,对于做NER的同学,不论你是新手还是老手都非常值得一看! 1 什么是NER 1.1 什么是实体 根据百度百科定义,实体是指客观存在、并可相互区别的事物。实体可以是具体的人、事、物,也可以是概念。 1.2 什么是命名实体 命名实体就是以名称为标识的实体。简单来说,若我们听到一个名字,就能知道这个东西是哪一个具体的事物,那么这个事物就是命名实体。比如我有
zenRRan
2022-08-31
1.6K0
生成式预训练模型之BART
每天给你送来NLP技术干货! ---- 写在前面 在文本理解任务(Natural Language Understanding)上,预训练模型已经取得了质的飞跃,语言模型预训练+下游任务fine-tune基本上已经成为标配。 很多人曾经尝试将 BERT 等预训练语言模型应用于文本生成任务(Natural Language Generation),然而结果并不理想。究其原因,是在于预训练阶段和下游任务阶段的差异。 BART这篇文章提出的是一种符合生成任务的预训练方法,BART的全称是Bidirectional
zenRRan
2022-08-31
2.2K0
安利一个不错的NLP项目
经常有粉丝私信问我,有没有合适的NLP项目适合入门,一直跑网上的开源demo感觉收获不大。 我邀请到了大厂NLP算法专家王老师。 王老师目前在BAT某厂负责算法架构方面的工作,有7年以上的算法工作经验。在金融、媒体、电商等领域有众多NLP落地项目实践。王老师提炼总结了自己多年工作经验,输出成6个小时的《新闻文本分类项目实战班》,非常适合刚入门NLP的同学上手。 这个项目实战最吸引我的有2点—— 01 数据集。基于头条新闻标题数据集,质量相对较高。 02 代码。提供企业级代码、遵循标准的面向对象范式。
zenRRan
2022-08-26
3960
NAACL22 | 引入多模态对比学习来增强句子特征学习
知乎:李加贝 方向:跨模态检索 论文:MCSE: Multimodal Contrastive Learning of Sentence Embeddings 链接:https://aclanthology.org/2022.naacl-main.436.pdf 代码:https://github.com/uds-lsv/MCSE 视觉作为人类感知体验的核心部分,已被证明在建立语言模型和提高各种NLP任务的性能方面是有效的。作者认为视觉作为辅助语义信息可以进一步促进句子表征学习。在这篇论文中,为了同时利用
zenRRan
2022-08-26
9100
NLP,能辅助法官判案吗?
自然语言处理(简称NLP)被誉为“人工智能皇冠上的明珠”、“实现通用人工智能(AGI)的钥匙”。 当自然语言处理技术遇到司法系统,会擦出怎样的火花? 在这里先跟大家分享一个“常识”: 据我国的法律,给出的量刑大都是一个区间,而不是具体值,比如判刑3年到5年。 那么究竟是3年、4年还是5年,需要法官对具体问题进行具体分析。 其出发点是好的,但实际却让一些经验欠缺的法官左右为难:判久了对被告不利,判的时间不足对受害者又不够公平。 不过现在嘛,法官的这个烦恼可以先放放了,因为有一项AI前来“搭把手”。 这个AI背
zenRRan
2022-08-26
4260
谈谈一篇学术科研论文该怎么写
论文通俗来说是本科和硕士的升学助力,也是学术界的硬通货,更是未来工作的加分项和敲门砖。 论文的写作对很多学生来说,是一种挑战。有些学生不知该如何对论文做选题,更多的学生则是对毕业论文写作到底有什么要求不清楚,不知从何下手,常常为毕业论文发愁。 我跟几位CVPR、ECCV等顶会审稿人聊了聊,总结输出如下文,希望对大家有启发。 扫码0.1元领取 《顶会审稿人论文写作干货》 论文写作的分为四个顺序:阅读论文→确定创新点→Coding/实验→论文写作。 01 阅读论文 发表论文的前提是大量阅读论文!!!文献阅读分
zenRRan
2022-08-26
2400
梯度下降的可视化解释(Adam,AdaGrad,Momentum,RMSProp)
每天给你送来NLP技术干货! ---- 作者丨McGL@知乎 编辑丨https://zhuanlan.zhihu.com/p/147275344 排版 | 极市平台 导读 一图胜千言,什么?还是动画,那就更棒啦!本文用了大量的资源来解释各种梯度下降法(gradient descents),想给大家直观地介绍一下这些方法是如何工作的。 一图胜千言,什么?还是动画,那就更棒啦! A Visual Explanation of Gradient Descent Methods (Momentum, AdaGra
zenRRan
2022-08-26
5970
ACL2022 | 自描述网络的小样本命名实体识别
每天给你送来NLP技术干货! ---- ©作者 | 回亭风 单位 | 京邮电大学 研究方向 | 自然语言理解 编辑 | PaperWeekly 论文标题: Few-shot Named Entity Recognition with Self-describing Networks 收录会议: ACL 2022 论文链接: https://arxiv.org/abs/2203.12252 代码链接: https://github.com/chen700564/sdnet 小样本 NER 需要从很少的实例
zenRRan
2022-08-26
7880
PyTorch 的 Autograd详解
每天给你送来NLP技术干货! 地址 | https://zhuanlan.zhihu.com/p/69294347作者 | xiaopl@知乎编辑 | 极市平台 PyTorch 作为一个深度学习平台,在深度学习任务中比 NumPy 这个科学计算库强在哪里呢?我觉得一是 PyTorch 提供了自动求导机制,二是对 GPU 的支持。由此可见,自动求导 (autograd) 是 PyTorch,乃至其他大部分深度学习框架中的重要组成部分。 了解自动求导背后的原理和规则,对我们写出一个更干净整洁甚至更高效的 PyT
zenRRan
2022-08-26
4680
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