「NLP-NER」什么是命名实体识别?
命名实体识别(Named Entity Recognition,NER)是NLP中一项非常基础的任务。NER是信息提取、问答系统、句法分析、机器翻译等众多NLP任务的重要基础工具。命名实体识别的准确度,决定了下游任务的效果,是NLP中非常重要的一个基础问题。作者 | 小Dream哥编辑 | 言有三1 命名实体识别是什么?要了解NER是一回什么事,首先要先说清楚,什么是实体。要讨论实体的理论概念,可
自然语言处理 NLP 基本概念大全,让非技术也能看懂 NLP
easyai.tech 发现入门人工智能是一件很难的事情,尤其是对于非技术人员。于是我们将国内外优秀的科普内容用最通俗易懂的方式整合到一起,专门针对非技术人员,让大家都能理解人工智能领域里的基本概念。让非技术也能理解 NLP本篇内容则是 NLP 的专题,我们汇总了一些关于 NLP 的基础内容,相信大家看完本篇内容后可以理解下面几个问题:NLP 是什么,为什么大家要研究 NLP ?研究和应用 NLP
解读2019华为第001号文件:AI时代软件开发的第一要义是可信
晓查 发自 凹非寺量子位 出品 | 公众号 QbitAIAI加持,万物互联、万物智能。我们在享受科技进步的同时,软件开发行业却面临着更大的挑战。过去,软件出现安全问题或许仅仅意味着经济损失,但当走向产业互联网时代,接入互联网的各种设备——如智能联网汽车——出现问题则可能会对人身安全构成威胁、带来更严重的后果。物联网+AI的时代对软件的安全性和可靠性提出了更高的要求,管理软件开发和维护的方法必须与时
Waymo无人驾驶出租加州上线一个月,日均156单,6200人亲身体验
Waymo的RoboTaxi——无人驾驶出租进展怎么样,今天官方给出成绩单。Waymo向加州公共事业委员会(CPUC)提交的最新季度报告显示,在上线的第一个月内,他们的无人驾驶版面包车就已经运送了6299名乘客。整个7月份,Waymo出车4678次,也就是说,平均每天这些无人车会提供156次出行服务。早在2018年12月份,Waymo One就已经在亚利桑那州凤凰城开始了商业化运营,而在加州的出色
阿里AI再揽2员大将:挖角高通、360,年薪百万美元
阿里AI实验室,今日又揽两员AI大将!一是加拿大西蒙弗雷泽大学 (SFU) 终身副教授、前360人工智能研究院副院长谭平,已于2019年9月加入阿里巴巴人工智能实验室,担任计算机视觉首席科学家。另外,芬兰坦佩雷理工大学博士、前高通首席工程师陈颖已于2018年11月加入阿里AI实验室,任人工智能和边缘计算首席科学家,负责IoT视觉方案。阿里官方介绍,陈颖担任达摩院智能交通实验室研究员。阿里官方还透露
密集布局AI领域!华为再出手
参考消息网9月18日报道 参考消息网了解到,华为心声社区9月16日刊载的媒体对华为创始人任正非的采访中提到,9月18日,华为将发布昇腾AI集群。任正非表示,这将是目前全世界最快的人工智能平台。舆论注意到,昇腾AI集群不是近期华为在AI领域的首次“亮剑”。就在9月6日,华为消费者业务CEO余承东面向全球推出华为最新一代旗舰芯片麒麟990系列。8月25日,美国《华尔街日报》刊载了题为《华为推
相关文件陆续发布 AI规范化发展曙光在望
人工智能是引领未来的前沿性、战略性技术,正在全面重塑传统行业发展模式、重构全创新版图和经济结构。由于业界大量投资涌入AI领域,其前景日益复杂且发展极为迅速。“不以规矩,不能成方圆”,人工智能发展过程中,带来的道德、伦理等一系列问题引发了巨大的争议和担忧。毋庸置疑,人工智能需要加以规范和引导,不可任其信马由缰。如2019年4月8日,欧盟委员会发布正式版的人工智能道德准则《ETHICS GUIDELI
腾讯物联网操作系统正式开源,最小体积仅1.8KB
腾讯宣布开源自主研发的轻量级物联网实时操作系统TencentOS tiny。这一系统提供了业界最精简的RTOS内核,最少资源占用为RAM 0.6KB,ROM 1.8KB。麻雀虽小,却是五脏俱全,对于复杂的任务管理、实时调度、时间管理、中断管理、内存管理、异常处理等功能,TencentOS tiny均可支持。https://www.toutiao.com/a1645003383365640/
「AI 科普」一文看懂决策树(3个步骤+3种典型算法+10个优缺点)
2019-09-17 20:01:00决策树是一种逻辑简单的机器学习算法,它是一种树形结构,所以叫决策树。本文将介绍决策树的基本概念、决策树学习的 3 个步骤、3 种典型的决策树算法、决策树的 10 个优缺点。什么是决策树?决策树是一种解决分类问题的算法,决策树算法采用树形结构,使用层层推理来实现最终的分类。决策树由下面几种元素构成:根节点:包含样本的全集内部节点:对应特征属性测试叶节点:代表决策
「揭秘GP」Greenplum 的人工智能应用场景:MADlib、GPText、GPU
2019-09-17 13:00:43Pivotal Greenplum —— 全世界首个开源、多云数据平台,专为高级分析而打造。作为一个开放的数据计算平台,它集成了对数据进行挖掘和分析的高级功能,通过这些功能,用户可以直接在Greenplum数据库里使用高级分析算法,对数据进行分析和处理。本篇文章将从最近较热的人工智能应用场景说起,详细为大家介绍如何运用 Greenplum 的内置算法进行机器学
优图开源的人脸检测算法 DSFD
2019-09-17 10:35:57腾讯优图开源的人脸检测算法 DSFD(Dual Shot Face Detector),该算法相关论文已经被计算机视觉顶级会议 CVPR 2019 接收,刷新了人脸检测数据集 WIDER FACE 和 FDDB 新纪录。人脸检测算法是在图像上,检测出人脸的位置(通常以矩形框形式输出),是人脸配准、人脸属性识别、人脸核身、人脸检索等技术的基础。据腾讯优图介绍,此
Facebook 自然语言处理新突破:新模型能力赶超人类 & 超难 NLP 新基准
自然语言理解(NLU)和语言翻译是一系列重要应用的关键,包括大规模识别和删除有害内容,以及连接世界各地不同语言的人们。尽管近年来基于深度学习的方法加速了语言处理的进展,但在处理大量标记训练数据不易获得的任务时,现有系统的处理水平仍然是有限的。因此,Facebook 联合 Deepmind Technologies、纽约大学(NYU)及华盛顿大学(UW)合作构建新基准 SuperGLUE,并发布了相
走进AI科学之美
人工智能和机器学习的未来研究方向是什么,人们如何使用这项技术去解决诸多科学领域的问题?去年,麻省理工学院与商汤科技共同成立了MIT-商汤科技人工智能联盟,致力于全方位人工智能原创技术的研发,推动人工智能技术突破,并支持MIT在人工智能领域进行最前沿跨学科探索研究。而在不久前结束的2019世界人工智能大会(WAIC 2019)上,麻省理工学院名誉校长Eric Grimson在商汤科技“智焕新动能”人
AutoX完成1亿美元A轮融资,将进入规模车队运营阶段
雷锋网按,9月16日自动驾驶企业AutoX宣布完成一亿美元A轮融资,并将开启新一轮融资。从AutoX披露的资方来看,本轮融资由东风汽车领投,跟投企业还包括阿里巴巴的创业者基金、知名硅谷孵化器Plug and Play中国基金、香港HKSTP科技发展基金及众多国内外知名财务投资机构。AutoX表示,获投资后将加入阿里巴巴的生态,将解锁其在物流领域的落地应用。事实上,东风汽车投资的数千万美金,Auto
加盟依图科技后,颜水成首篇顶会论文提出“多人体姿态检测SPM”
唐木 发自 天龙寺量子位 出品 | 公众号 QbitAI颜水成团队研究实力依然强劲。从360到依图,颜水成依然保持着高质量的学术输出。最近提出的单阶段高效人体姿态检测模型SPM就是最好的例证,论文被ICCV收录。这篇论文从全新的角度处理了单图像多人姿态检测的问题,通过新提出的结构化位姿表示方法(Structured Pose Representation)将多人姿态检测问题从先前的两阶段方法浓缩为
滴滴自动驾驶出租车落地上海:或明年初投放
2019-09-16 20:50今年8月初,滴滴宣布分拆自动驾驶业务,此后便一直动作不断。9月16日,21世纪经济报道记者获悉,滴滴将在上海落地自动驾驶出行服务,时间点预计在明年年初。据悉,滴滴将投入30辆L4+级别的自动驾驶车辆,在特定的真实出行场景中进行“预商业化”。在2019世界智能网联汽车大会上,滴滴成为首批获得上海智能网联汽车示范应用牌照的三家企业之一(另外两家是上汽和宝马)。据介绍,与
你真的懂对抗样本吗?一文重新思考对抗样本背后的含义
选自towardsdatascience作者:Alex Adam机器之心编译参与:Luo Sainan、一鸣很多人都大概了解对抗样本是什么:在数据中加入人眼不可察觉的扰动,使得模型对数据的标签预测发生混淆和错误。但是,这句话背后的技术细节是什么?怎样才能确保生成的对抗样本符合这样的定义?本文深入解析了对抗样本背后的数学定义,并帮助读者重新理解对抗样本的定义。对抗样本是各种机器学习系统需要克服的一大
自然语言理解技术在电商行业中的应用
本文将通过最新的概念验证项目,盘点不同电子商务场景下的最新自然语言处理技术应用,深入了解电子商务行业与NLP技术的发展趋势。电子商务是目前在互联网相关产业中最为重要的一个环节之一,电商泛指通过互联网技术实现的商贸活动,其内容包括各种在线上进行的商业活动,交易活动,金融活动,以及相关的综合服务活动。作为互联网领域的主要行业,电商早已深入人们的日常生活中。随着人工智能技术的不断突破,越来越多的行业正在
机器学习|从未标记的视频中学习跨模态时间表示
虽然人们可以轻松识别视频中正在进行的活动并预测接下来会发生什么事件,但对于机器来说却更加困难。 然而,越来越多的机器必须理解视频的内容和动态,例如时间定位,动作检测和自动驾驶汽车的导航。为了训练神经网络来执行这样的任务,通常使用监督训练,其中训练数据由逐个基础上由人们精心标记的视频组成。 这样的注释难以大规模获得。 因此,人们对自我监督学习很感兴趣,其中模型在各种代理任务上进行训练,并且对这些任务
「模型训练」如何选择最适合你的学习率变更策略
作者 | 言有三编辑 | 言有三如果让我投票给深度学习中,最不想调试,但又必须要小心调试的参数,毫无疑问会投给学习率,今天就来说说这个。1 项目背景我们选择了GHIM-10k数据集,这是一个图像检索数据集,包含20个类别,分别是日落,船舶,花卉,建筑物,汽车,山脉,昆虫等自然图像,各个类别拥有较好的多样性,而类别之间也有比较好的区分度。数据集共10000张图像,每个类别包含500张JPE