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

AllenNlp QA应用程序为文档中的每个单词生成空格警告：[WARNING] [W108

AllenNlp QA应用程序为文档中的每个单词生成空格警告：[WARNING] [W108]

这个警告是由AllenNlp QA应用程序中的一个规则引擎生成的，用于检测文档中的单词是否正确地使用了空格。警告代码[W108]表示这是规则引擎中的第108个警告。

在文档中，每个单词之间应该有一个空格来分隔它们，这是一种常见的书写规范。如果某个单词没有正确地使用了空格，那么就会触发这个警告。

这个警告的目的是帮助开发者在编写文档时遵循良好的书写规范，以提高文档的可读性和准确性。

对于这个警告，可以采取以下几个步骤来解决：

检查文档中的每个单词，确保它们之间都有正确的空格分隔。
如果发现有单词没有正确地使用了空格，可以在该单词前后添加一个空格来修复这个问题。
在编写文档时，可以使用文本编辑器或者IDE中的自动格式化功能来自动添加正确的空格。
阅读相关的文档和书籍，了解更多关于正确书写规范的信息，以避免类似问题的发生。

腾讯云提供了一系列的云计算产品，可以帮助开发者构建和管理自己的云计算环境。其中，推荐的产品包括：

云服务器（CVM）：提供弹性的虚拟服务器实例，可根据需求进行扩展和管理。详情请参考：腾讯云云服务器
云数据库MySQL版（CDB）：提供高性能、可扩展的关系型数据库服务，适用于各种应用场景。详情请参考：腾讯云云数据库MySQL版
云存储（COS）：提供安全、可靠的对象存储服务，适用于存储和管理各种类型的数据。详情请参考：腾讯云云存储
人工智能（AI）：提供丰富的人工智能服务，包括图像识别、语音识别、自然语言处理等。详情请参考：腾讯云人工智能

通过使用这些腾讯云的产品，开发者可以快速构建和部署自己的云计算应用，并且享受到腾讯云提供的高性能、高可靠性和安全性。

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

2022年必须要了解的20个开源NLP 库

在本文中，我列出了当今最常用的 NLP 库，并对其进行简要说明。它们在不同的用例中都有特定的优势和劣势，因此它们都可以作为专门从事 NLP 的优秀数据科学家备选方案。每个库的描述都是从它们的 GitHub 中提取的。

01

干货 | 陪伴我学习NLP、知识图谱的那些资源（教程+书籍+网站+工具+论文...可以说很全面了）

【人工智能头条导读】作者一年前整理了这份关于 NLP 与知识图谱的参考资源，涵盖内容与形式也是非常丰富，接下来人工智能头条还会继续努力，分享更多更好的新资源给大家，也期待能与大家多多交流，一起成长。

01

词向量算法「建议收藏」

https://www.cnblogs.com/the-wolf-sky/articles/10192363.html

01

词向量(1)--从Word2Vec到ELMo

若你是做NLP的，一定对词向量很亲切，若你是做推荐的，对词向量也一定不会陌生，以词向量为代表的序列向量化方法已经成为机器学习中必不可少的实战利器。

02

NLP简报（Issue#6）

基于Transformer的模型已经被证实可以有效地处理从序列标记到问题解答等不同类型的NLP任务，其中一种称为BERT[1]的模型得到了广泛使用，但是像其他采用深度神经网络的模型一样，我们对其内部运作知之甚少。一篇名为《 A Primer in BERTology: What we know about how BERT works[2]》的新论文旨在回答一些有关BERT为什么在这么多NLP任务中表现良好的问题。论文的内容包括：BERT学习的知识类型及其表示的位置，BERT是如何学习知识的，以及研究人员如何使用其他方法来改进它，等等。

01

吾爱NLP(5)—词向量技术-从word2vec到ELMo

"词和句子的嵌入已成为所有基于深度学习的自然语言处理（NLP）系统的重要组成部分，它们在固定长度的稠密向量中编码单词和句子，以大幅度提高神经网络处理文本数据的能力。"

07

词向量技术 | 从word2vec到ELMo

"词和句子的嵌入已成为所有基于深度学习的自然语言处理（NLP）系统的重要组成部分，它们在固定长度的稠密向量中编码单词和句子，以大幅度提高神经网络处理文本数据的能力。"

04

教程 | 利用AllenNLP，百行Python代码训练情感分类器

情感分析是一种流行的文本分析技术，用来对文本中的主观信息进行自动识别和分类。它被广泛用于量化观点、情感等通常以非结构化方式记录的信息，而这些信息也因此很难用其他方式量化。情感分析技术可被用于多种文本资源，例如调查报告、评论、社交媒体上的帖子等。

01

「自然语言处理(NLP)论文推送」清华大学XQA数据集（含源码）806

本篇主要给大家介绍两篇文章：一篇是清华大学发表的XQA，该篇文章主要是针对开放式问答构建了一个跨语言的开放式问答数据集，该数据集（训练集、测试集）主要包括九种语言，9万多个问答。第二篇是澳洲昆士兰阳光海岸发表的Katecheo，该篇文章构建了一个模块化系统，它可以轻易的部署在Kubernetes集群（当前很多大公司都会使用Kubernetes）上用作商用。

02

NLP教程(7) - 问答系统

教程地址：http://www.showmeai.tech/tutorials/36

02

6个github中star数最多的基于pytorch的衍生库

截止2022年11月8日，统计了下github中获星较多的pytorch生态库，有

03

都说 AllenNLP 好用，我们跑一遍看看究竟多好用

良好学习过程的关键原则之一，就是让学习的内容略高于当前的理解。如果该主题与你已知的内容太过于相似，那么你就不会有很大的进步。另一方面，如果这个主题太难的话，你就会停滞不前，几乎没有进展。

02

一文看尽2019年NLP前沿突破

它发表于2018年末，自那之后的一年，NLP和NLU(自然语言理解)领域有了较大的发展。

02

详解自然语言处理NLP两大任务与代码实战：NLU与NLG

自然语言处理（NLP）是一门交叉学科领域，涵盖了计算机科学、人工智能、语言学等多个学科。它旨在使计算机能够理解、解释和生成人类语言的方式，从而创建与人类之间的自然、无缝的交互。

03

【NLP】EMNLP 2019 参会小结及最佳论文解读

2019年EMNLP自然语言处理实证方法会议11月3日至7日在中国香港召开。作为自然语言处理领域的顶级会议之一，在本次大会中，中国被接收的论文数量在所有国家和地区中位居第二。本届大会举办了18场 Workshops 、多个Tutorials和主题丰富的会议活动，吸引了超过1922人参会。

02

图解 | 深度学习：小白看得懂的BERT原理

来源：计算机视觉与机器学习作者丨Jay Alammar 链接丨https://jalammar.github.io/illustrated-bert/本文约4600字，建议阅读8分钟本文中，我们将研究BERT模型，理解它的工作原理，对于其他领域的同学也具有很大的参考价值。自google在2018年10月底公布BERT在11项nlp任务中的卓越表现后，BERT 就在 NLP 领域大火，在本文中，我们将研究BERT模型，理解它的工作原理，对于其他领域的同学也具有很大的参考价值。前言 2018年可谓是自然语

01

AllenNLP系列文章之七：ELMO

在AllenNLP的主页上有个单独的菜单（http://allennlp.org/elmo），一直不太了解为何将它单列出来，主要在AllenNLP的许多任务中如文本蕴含里面等已经用到了这个模型所产生的词向量。

02

四种常见NLP框架使用总结

本文来自公众号：哈工大SCIR，AI 科技评论获授权转载，如需转载，请联系哈工大SCIR

01

一篇非常详尽的NLP深度学习方法调研 | 论文精萃 | 14th

这篇文章调查了大量（两百篇以上）的相关文献资料，对NLP领域中深度学习的技术和应用层面进行了综述与讨论，非常适合于想要快速了解该领域整体概貌的研究者。

00

【深度学习】小白看得懂的BERT原理

来源：机器学习初学者本文约4500字，建议阅读8分钟我们将研究BERT模型，理解它的工作原理，这个是NLP（自然语言处理）的非常重要的部分。导语自google在2018年10月底公布BERT在11项nlp任务中的卓越表现后，BERT（Bidirectional Encoder Representation from Transformers)就成为NLP领域大火，在本文中，我们将研究BERT模型，理解它的工作原理，这个是NLP（自然语言处理）的非常重要的部分。正文开始前言 2018年可谓是自然

03

分享 | 一文详解2017年深度学习NLP重大进展与趋势

作者通过本文概述了 2017 年深度学习技术在 NLP 领域带来的进步，以及未来的发展趋势，并与大家分享了这一年中作者最喜欢的研究。2017 年是 NLP 领域的重要一年，深度学习获得广泛应用，并且这

07

2023年！自然语言处理（NLP）10 大预训练模型

语言模型是构建NLP应用程序的关键。现在人们普遍相信基于预训练模型来构建NLP语言模型是切实有效的方法。随着疫情阴霾的散去，相信NLP技术会继续渗透到众多行业中。在此过程中，肯定有很多同学会用到或者学习NLP预训练模型，为此作者整理了目前2023年NLP的十大预训练模型及论文，模型效果不分先后。

05

QA综述

(2018年12月3日补充：第二篇不是论文，应该是斯坦福写的一个类似教程之类的东西，但是写的太像论文了(ˇˍˇ)，我都搞混了 )

02

【NLP年度重磅盘点】12项重大行业突破！详解2017年深度学习加持下的NLP大事件

翻译 | 林椿眄、刘畅、彭硕编辑 | Donna Suisui 过去几年，深度学习架构和算法在图像识别和语音处理等领域取得了重大的进步。而在NLP（自然语言处理）领域，起初并没有太大的进展。不过现在，NLP领域取得的一系列进展已证明深度学习技术将会对自然语言处理做出重大贡献。一些常见的任务如实体命名识别，词类标记及情感分析等，自然语言处理都能提供最新的结果，并超越了传统方法。另外，在机器翻译领域的应用上，深度学习技术所取得的进步应该是最显著的。这篇文章中，我将在通过一些深度学习技术来阐述2017年N

08

深度 | 一文概述2017年深度学习NLP重大进展与趋势

选自 tryolabs 机器之心编译参与：路雪、黄小天、蒋思源作者通过本文概述了 2017 年深度学习技术在 NLP 领域带来的进步，以及未来的发展趋势，并与大家分享了这一年中作者最喜欢的研究。2017 年是 NLP 领域的重要一年，深度学习获得广泛应用，并且这一趋势还会持续下去。近年来，深度学习（DL）架构和算法在图像识别、语音处理等领域实现了很大的进展。而深度学习在自然语言处理方面的表现最初并没有那么起眼，不过现在我们可以看到深度学习对 NLP 的贡献，在很多常见的 NLP 任务中取得了顶尖的结果

07

论文Express | 自然语言十项全能：转化为问答的多任务学习

Salesforce最新论文提出了一个可处理多项自然语言处理的通用模型：decaNLP，处理机器翻译、文本分类等NLP任务统统不在话下！

02

Bert时代的创新：Bert在NLP各领域的应用进展

Bert 给人们带来了大惊喜，不过转眼过去大约半年时间了，这半年来，陆续出现了与 Bert 相关的不少新工作。

03

亲手制作一个《哈利·波特》人物图谱，原来罗恩和赫敏的姻缘从第一部就已注定？

文摘菌记得小时候看《哈利·波特》小说的时候，最难记住的就是那些音译的名字，又长又多，最后只能关注那几个主要人物，跟着主要剧情一路过去，当个爽文看完了。

01

Bert最新进展，继续在NLP各领域开花结果！

Bert 给人们带来了大惊喜，不过转眼过去大约半年时间了，这半年来，陆续出现了与 Bert 相关的不少新工作。

02

《Retrieve-and-Read,Multi-task Learning of Information Retrieval and Reading Comprehension》的Reference

Text Span的评估指标： For text-span questions whose answer is string(s), we need to compare the predicted string(s) with the ground truth answer string(s) (i.e., the correct answer). RCstyle QA task generally uses evaluation metrics Exact Match (EM) and F1 score (F1) proposed by Rajpurkar et al. [94] for text-span questions [104, 116]. EM assigns credit 1.0 to questions whose predicted answer is exactly the same as the ground truth answer and 0.0 otherwise, so the computation of EM is the same as the metric Accuracy but for different categories of RC-style QA. F1 measures the average word overlap between the predicted answer and the ground truth answer. These two answers are both considered as bag of words with lower cases and ignored the punctuation and articles “a”, “an” and “the”. For example, the answer “The Question Answering System” is treated as a set of words {question, answering, system}. Therefore, F1 of each text-span question can be computed at word-level by Equation 2.2

01

19年NAACL纪实：自然语言处理的实用性见解 | CSDN博文精选

计算语言：人类语言技术学会北美分会2019年年会（North American Chapter of the Association for Computational Linguistics: Human Language Technologies/NAACL- HLT）于6月2至7日美国明尼阿波利斯举办。NAACL- HLT是A级同行评审会议，是继计算语言学协会（ACL）会议之后，计算语言学界的又一重要事件，即自然语言处理（NLP）。

02

词向量发展历程：技术及实战案例

词向量（Word Vector）或词嵌入（Word Embedding）是自然语言处理（NLP）中的一项基础技术，它允许我们将自然语言中的词汇表示为实数向量。这些向量通常存在于一个高维空间内，其中每一个维度都可能代表着某种语义属性。通过这种转换，机器学习模型可以捕捉到词语之间复杂的关系，如语义相似性、反义、上下位关系等。

01

李航老师对预训练语言模型发展的一些看法

每天给你送来NLP技术干货！ ---- 作者 | 李航编译 | 李梅、黄楠编辑 | 陈彩娴从俄国数学家 Andrey Markov （安德烈·马尔可夫）提出著名的「马尔科夫链」以来，语言建模的研究已经有了 100 多年的历史。近年来，自然语言处理（NLP）发生了革命性的变化。2001年，Yoshua Bengio 用神经网络进行参数化的神经语言模型，开启了语言建模的新时代。其后，预训练语言模型如 BERT 和 GPT 的出现再次将 NLP 提高到一个新的水平。最近，字节跳动 AI Lab 的总监李

02

精通 Transformers（一）

在过去的 20 年间，我们在自然语言处理（NLP）领域已经见证了巨大的变化。在此期间，我们经历了不同的范式，最终进入了由神奇的Transformers架构主宰的新时代。这种深度学习架构是通过继承多种方法而形成的。诸如上下文词嵌入、多头自注意力、位置编码、可并行化的架构、模型压缩、迁移学习和跨语言模型等方法都在其中。从各种基于神经网络的自然语言处理方法开始，Transformers架构逐渐演变成为一个基于注意力的编码器-解码器架构，并持续至今。现在，我们在文献中看到了这种架构的新成功变体。有些出色的模型只使用了其编码器部分，比如 BERT，或者只使用了其解码器部分，比如 GPT。

00

Bert时代的创新（应用篇）：Bert在NLP各领域的应用进展

Bert 给人们带来了大惊喜，不过转眼过去大约半年时间了，这半年来，陆续出现了与Bert相关的不少新工作。

05

超简单的 VIM 练级攻略

VIM 的学习曲线相当的大，所以如果你一开始看到的是一大堆 VIM 的命令分类，你一定会对这个编辑器失去兴趣的。下面的文章翻译自「Learn Vim Progressively」，我觉得这是给新手最好的 VIM 升级教程了，没有列举所有的命令，只是列举了那些最有用的命令，非常不错。

03

【NLP】竞赛必备的NLP库

本周我们给大家整理了机器学习和竞赛相关的NLP库，方便大家进行使用，建议收藏本文。

01

NLP通用模型诞生？一个模型搞定十大自然语言常见任务

AI科技大本营按：目前的NLP领域有一个问题：即使是再厉害的算法也只能针对特定的任务，比如适用于机器翻译的模型不一定可以拿来做情感分析或摘要。

02

浅谈词向量

将词语表示为向量的技术并不是最近几年的新思想。例如向量空间模型将词表示为词典维度的高维向量。这种表示带来的问题主要包括两个方面。一方面词与词之间相互独立，无法表达词语之间的关系。另一方面向量过于稀疏，计算和存储的效率都不高。

03

做项目一定用得到的NLP资源【分类版】

原文链接：https://github.com/fighting41love/funNLP

04

NLP通用模型诞生？一个模型搞定十大自然语言常见任务

翻译 | 于之涵编辑 | Leo 出品 | 人工智能头条（公众号ID：AI_Thinker）人工智能头条按：目前的NLP领域有一个问题：即使是再厉害的算法也只能针对特定的任务，比如适用于机器翻译的模型不一定可以拿来做情感分析或摘要。然而近日，Salesforce发布了一项新的研究成果：decaNLP——一个可以同时处理机器翻译、问答、摘要、文本分类、情感分析等十项自然语言任务的通用模型。 Salesforce的首席科学家RichardSocher在接受外媒采访时表示：我们的decaNLP就好比NL

02

NLP通用模型诞生？一个模型搞定十大自然语言常见任务

翻译：于之涵编辑：Leo 出品：AI科技大本营（公众号ID：rgznai100）

05

自然语言预训练模型大总结

先来一张图。本文主要援引复旦大学邱锡鹏教授的论文：NLP预训练模型综述，对预训练模型进行了一些梳理

02

字节跳动 AI Lab 总监李航：语言模型的过去、现在和未来

作者 | 李航编译 | 李梅、黄楠编辑 | 陈彩娴从俄国数学家 Andrey Markov （安德烈·马尔可夫）提出著名的「马尔科夫链」以来，语言建模的研究已经有了 100 多年的历史。近年来，自然语言处理（NLP）发生了革命性的变化。2001年，Yoshua Bengio 用神经网络进行参数化的神经语言模型，开启了语言建模的新时代。其后，预训练语言模型如 BERT 和 GPT 的出现再次将 NLP 提高到一个新的水平。最近，字节跳动 AI Lab 的总监李航博士在《ACM通讯》（The Commu

01

近期有哪些值得读的QA论文？

■ 论文 | Making Neural QA as Simple as Possible but not Simpler

03

干货 | 史上最详尽的NLP预处理模型汇总

【前言】近年来，自然语言处理（NLP）的应用程序已经无处不在。NLP使用率的快速增长主要归功于通过预训练模型实现的迁移学习概念，迁移学习本质上是在一个数据集上训练模型，然后使该模型能够适应在不同的数据集上执行不同的NLP操作。这一突破使得每个人都能轻松地开启NLP任务，尤其是那些没有时间和资源从头开始构建NLP模型的人。所以，使用预训练模型处理NLP任务是目前非常热门的研究方向，本文将重点介绍八个预训练的NLP模型以及每个模型的相关资源。

04

Vim简明教程【CoolShell】

vim的学习曲线相当的大（參看各种文本编辑器的学习曲线）。所以。假设你一開始看到的是一大堆VIM的命令分类，你一定会对这个编辑器失去兴趣的。以下的文章翻译自《Learn Vim Progressively》，我认为这是给新手最好的VIM的升级教程了，没有列举全部的命令，仅仅是列举了那些最实用的命令。

02

流水账︱Elmo词向量中文训练过程杂记

参考：《文本嵌入的经典模型与最新进展》人们已经提出了大量可能的词嵌入方法。最常用的模型是 word2vec 和 GloVe，它们都是基于分布假设的无监督学习方法（在相同上下文中的单词往往具有相似的含义）。

02

学界 | NLP年度盛宴EMNLP/CoNLL 2018最精彩论文精选（摘要+评论）

每年，全球最顶尖的NLP研究者们会在这两个大会上展示最前沿的NLP科研成果。然而，动辄上千篇的论文却令很多关注NLP领域最新动态的小伙伴望而却步。

02

学界 | NLP年度盛宴EMNLP/CoNLL 2018最精彩论文精选（摘要+评论）

每年，全球最顶尖的NLP研究者们会在这两个大会上展示最前沿的NLP科研成果。然而，动辄上千篇的论文却令很多关注NLP领域最新动态的小伙伴望而却步。

02

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭