首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

【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

台湾学者研究表情包做情感分析,数据集包含3万条推特,最难的竟然是道歉!

---- 新智元报道   来源:unite.ai 编辑:LRS 【新智元导读】有时候发了一条微博,评论区回复只有一个表情包,你真的明白这个背后的含义吗?台湾学者研究了三万条推特,最后竟然发现大部分道歉的情感竟然都是有套路的。 自然语言最美妙和最可恶的地方都在于它是有歧义的,例如同样一句话,以不同的语气说出来,可能是完全不同的含义。 例如使用微信打字交流,或者发一条朋友圈,朋友们错误地领会了你的感受,那可真是太尴尬了。 但是当你加入了表情包,就相当于说话中带了语气和表情,那文本的情绪就很好判断了。 显

04

ACL2016最佳论文:CNN/日常邮件阅读理解任务的彻底检查

摘要 NLP尚未解决的核心目标是,确保电脑理解文件回答理解问题。而通过机器学习系统,解决该问题的一大阻碍是:人类-注释数据的可用性有限。Hermann等人通过生成一个超过百万的实例(将CNN和日常邮件消息与他们自己总结的重点进行配对)来寻求解决方案,结果显示神经网络可以通过训练,提高在该任务方面的性能。本文中,我们对这项新的阅读理解任务进行了彻底的检测。我们的主要目标是,了解在该任务中,需要什么深度的语言理解。一方面,我们仔细的手动分析问题小的子集,另一方面进行简单的展示,在两个数据集中,细心的设计系统,就

04
领券