腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

AINLP

专栏作者

40

文章

81544

阅读量

45

订阅数

一文读懂最强中文NLP预训练模型ERNIE

基于飞桨开源的持续学习的语义理解框架ERNIE 2.0，及基于此框架的ERNIE 2.0预训练模型，在共计16个中英文任务上超越了BERT和XLNet, 取得了SOTA效果。本文带你进一步深入了解ERNIE的技术细节。

2019-10-23

1.4K0

【Github】2019年达观信息提取比赛第九名代码和答辩PPT

https 网络安全机器学习神经网络深度学习

https://github.com/lonePatient/daguan_2019_rank9

2019-10-21

9500

凸优化及无约束最优化

http 编程算法 NLP 服务机器学习神经网络

很多年前，我的师兄 Jian Zhu 在这里发表过一个系列《无约束最优化》，当时我写下了一段话:

2019-10-11

8750

Awesome-Chinese-NLP：中文自然语言处理相关资料

NLP 服务中文分词 java 知识图谱 python

推荐Github上一个很棒的中文自然语言处理相关资料的Awesome资源：Awesome-Chinese-NLP ，Github链接地址，点击文末"阅读原文"可直达：

2019-10-10

5.5K1

深度学习实践：从零开始做电影评论文本情感分析

json python keras NLP 服务

各方面都很好，但是总感觉哪里有点欠缺，后来想想，可能是作者做得太好了，把数据预处理都做得好好的，所以你才能“20行搞定情感分析”，这可能也是学习其他深度学习工具过程中要面临的一个问题，很多工具都提供了预处理好的数据，导致学习过程中只需要调用相关接口即可。不过在实际工作中，数据的预处理是非常重要的，从数据获取，到数据清洗，再到基本的数据处理，例如中文需要分词，英文需要Tokenize, Truecase或者Lowercase等，还有去停用词等等，在将数据“喂”给工具之前，有很多事情要做。这个部分，貌似是当前一些教程有所欠缺的地方，所以才有了这个“从零开始做”的想法和系列，准备弥补一下这个缺失，第一个例子就拿《Python深度学习》这本书第一个文本挖掘例子练手：电影评论文本分类-二分类问题，这也可以归结为一个情感分析任务。

2019-10-10

1.4K0

提供一个10分钟跑通 AI Challenger 细粒度用户评论情感分析的fastText Baseline

上一篇《AI Challenger 2018 进行时》文尾我们提到 AI Challenger 官方已经在 GitHub 上提供了多个赛道的 Baseline: AI Challenger 2018 Baseline，其中文本挖掘相关的3个主赛道均有提供，非常适合用来学习：英中文本机器翻译的 baseline 就直接用了Google官方基于Tensorflow实现的Tensor2Tensor跑神经网络机器翻译Transformer模型，这个思路是我在去年《AI Challenger 2017 奇遇记》里的终极方案，今年已成标配；细粒度用户评论情感分析提供了一个基于支持向量机(SVM)的多分类模型 baseline；观点型问题阅读理解提供一个深度学习模型 baseline , 基于pytorch实现论文《Multiway Attention Networks for Modeling Sentence Pairs》里的思路。

2019-10-10

1.4K0

polyglot：Pipeline 多语言NLP工具

NLP 服务开源

目前，在NLP任务处理中，Python支持英文处理的开源包有NLTK、Scapy、StanfordCoreNLP、GATE、OPenNLP，支持中文处理的开源工具包有Jieba、ICTCLAS、THU LAC、HIT LTP，但是这些工具大部分仅对特定类型的语言提供支持。本文将介绍功能强大的支持Pipeline方式的多语言处理Python工具包:polyglot。该项目最早是由AboSamoor在2015年3月16日在GitHub上开源的项目，已经在Github收集star 1021个。

2019-10-10

2.9K0

BERT相关论文、文章和代码资源汇总

https 网络安全 github git

BERT最近太火，蹭个热点，整理一下相关的资源，包括Paper, 代码和文章解读。

2019-10-10

9700

金融中的机器学习和强化学习

强化学习金融 http 机器学习神经网络

Coursera近期新推了一个金融和机器学习的专项课程系列：Machine Learning and Reinforcement Learning in Finance Specialization（金融中的机器学习和强化学习），看起来很有意思。

2019-10-10

9890

pytorch-pretrained-BERT：BERT PyTorch实现，可加载Google BERT预训练模型

pytorch python tensorflow

Github上刚刚开源了一个Google BERT的PyTorch实现版本，同时包含可加载Google BERT预训练模型的脚本，感兴趣的同学可以关注：

2019-10-10

4.9K0

谷歌发表的史上最强NLP模型BERT的官方代码和预训练模型可以下载了

NLP 服务 https 网络安全

TensorFlow code and pre-trained models for BERT https://arxiv.org/abs/1810.04805

2019-10-10

3.2K0

【Github】nlp-roadmap：自然语言处理路相关路线图（思维导图）和关键词（知识点）

processing github git NLP 服务开源

看到Reddit和Github上一个有意思的项目：graykode/nlp-roadmap

2019-09-29

1.4K0

【Github】Data Competition Top Solution: 数据竞赛top解决方案开源整理

github git 开源 https http

推荐一个Github项目：Smilexuhc/Data-Competition-TopSolution

2019-09-20

1.4K0

基于RASA的task-orient对话系统解析（一）

component data message pipeline response

由于换工作以及家里的事，很久没有写东西了。最近因为工作内容，需要做任务型对话系统的相关研究和开发。趁此机会，总结一下rasa框架的基本内容，包括基本架构，代码级别的分析，以及使用上的一些tips。需要注意，本文不会详细描述如何简单构建一个小demo的流程，这个在rasa的doc和一些博客上都有很好的例子，我这里就不重复引用了。贴一些链接，有兴趣的同学可以去这些地方看看。

2019-08-28

3K0

【Github】GPT2-Chinese：中文的GPT2训练代码

python javascript git github NLP 服务

Chinese version of GPT2 training code, using BERT tokenizer.

2019-08-28

8.9K0

通过Docker部署深度学习项目环境

c++tensorflow 深度学习容器镜像服务

深度学习环境部署的方法有很多种，其中Docker化深度学习环境和项目是一个很不错的选择。这里写过一些深度学习主机安装和部署的文章，这篇文章记录一下相关的通过Docker来部署和测试深度学习项目的一些经验(Ubuntu16.04)。

2019-08-21

2.3K0

中文自然语言处理相关的开放任务，数据集，以及当前最佳结果

机器翻译 NLP 服务 https 网络安全

强烈推荐一个项目：Chinese NLP ，这是由滴滴人工智能实验室所属的自然语言处理团队创建并维护的，该项目非常细致的整理了中文自然语言处理相关任务、数据集及当前最佳结果，相当完备。

2019-08-19

1.1K0

【论文】Awesome Relation Classification Paper（关系分类）（PART II）

机器学习神经网络深度学习人工智能

上一篇【论文】Awesome Relation Extraction Paper（关系抽取）（PART I）介绍了一些关系抽取和关系分类方面的经典论文，主要是以CNN模型为主，今天我们来看看其他模型的表现吧~

2019-08-15

6240

【论文】Awesome Relation Classification Paper（关系分类）（PART I）

机器学习神经网络深度学习人工智能 NLP 服务

之前做过的百度今年的语言与智能技术竞赛，其中有一个子赛道就是关于信息抽取。信息抽取（Information Extraction）是指从非结构化的自然语言文本中抽取出实体、属性、关系等三元组信息，是构建知识图谱的基础技术之一。IE的子任务大概有以下几种：

2019-08-12

7980

【Github】ML-NOTE：注重数学推导的机器学习算法整理

编程算法机器学习神经网络深度学习人工智能

慢慢整理所学的和机器学习相关的知识，并根据自己所理解的样子叙述出来。笔记中难免会出现一些错误，希望读者能够自己辨证着去看待，如果能把你的一些建议反馈给我的话那是再好不过的，所有文章也可以在知乎专栏阅读，相关代码实现可以参考我写的另一个微机器学习框架mimose。

2019-08-05

6530

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