-
基于Go的语义解析开源库FMR，“屠榜”模型外的NLP利器
2019-09-24 21:02:14（由AI科技大本营付费下载自视觉中国）作者 | 刘占亮 一览群智技术副总裁编辑 | Jane出品 | AI科技大本营（ID：rgznai100）如何合理地表示语言的内在意义？这是自然语言处理业界中长久以来悬而未决的一个命题。在 2013 年分布式词向量表示（Distributed Representation）出现之前，one-hot 是最
-
XLNet预训练模型，看这篇就够了！(代码实现)
文章目录1. 什么是XLNet2. 自回归语言模型（Autoregressive LM）3. 自编码语言模型（Autoencoder LM）4. XLNet模型4.1 排列语言建模（Permutation Language Modeling）4.2 Transformer XL4.2.1 vanilla Transformer4.2.2 Transformer XL5. XLNet与BERT比较6...
-
「NLP-NER」如何使用BERT来做命名实体识别
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。上一期我们详细介绍NER中两种深度学习模型，LSTM+CRF和Dilated-CNN，本期我们来介绍如何基于BERT来做命名实体识别任务。作者 | 小Dream哥编辑 | 言有三1 引入BERT笔者在之前的文章中介绍过B
-
BERT预训练模型的演进过程！(附代码)
1. 什么是BERT BERT的全称是Bidirectional Encoder Representation from Transformers，是Google2018年提出的预训练模型，即双向Transformer的Encoder，因为decoder是不能获要预测的信息的。模型的主要创新点都在pre-train方法上，即用了Masked LM和Next Sentence Prediction两...
-
Transformer各层网络结构详解！面试必备！(附代码实现)
1. 什么是Transformer 《Attention Is All You Need》是一篇Google提出的将Attention思想发挥到极致的论文。这篇论文中提出一个全新的模型，叫 Transformer，抛弃了以往深度学习任务里面使用到的 CNN 和 RNN。目前大热的Bert就是基于Transformer构建的，这个模型广泛应用于NLP领域，例如机器翻译，问答系统，文本摘要和语音识别等...
-
一文看懂自然语言处理-NLP（4个典型应用+5个难点+6个实现步骤）
2019-09-19 15:03:41网络上有海量的文本信息，想要处理这些非结构化的数据就需要利用 NLP 技术。本文将介绍 NLP 的基本概念，2大任务，4个典型应用和6个实践步骤。NLP 为什么重要？“语言理解是人工智能领域 皇 冠 上的明珠”比尔·盖茨在人工智能出现之前，机器智能处理结构化的数据（例如 Excel 里的数据）。但是网络中大部分的数据都是非结构化
-
「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
-
敏捷AI | NLP技术在宜信业务中的实践【构建用户画像篇】
在业务中如何运用NLP技术构建客户画像。
-
今年很火的五大Python框架，你还不知道？
web框架是什么?web开发框架是一组工具，同时也提供了非常多的资源，供软件开发人员构建和管理网站、提供web服务、编写web应用程序。它是一个抽象工具，能使开发应用程序和重复使用代码的过程变得更容易为什么需要web开发框架?进行自定义软件开发时，web开发框架让整个过程变得更容易，因而开发速度更快、更高效。许多开发框架都很便宜，这也使得整个客户机的成本更小。一个被广泛使用的框架安全性更高。这主要
-
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
-
一文看懂词性标注（基本概念+4种方法+7种工具）
2019-09-12 18:28:51什么是词性标注？维基百科上对词性的定义为：In traditional grammar, a part of speech (abbreviated form: PoS or POS) is a category of words (or, more generally, of lexical items) which have similar grammat
-
「NLP-词向量」从模型结构到损失函数详解word2vec
上周我们讲到，在进行NNLM训练时，能够得到副产品，词向量。本文介绍一种专门用于词向量制备的方法：word2vec，利用它能够高效的训练出词向量。作者 | 小Dream哥编辑 | 小Dream哥1 word2vec是什么？在阐述word2vec的原理之前，笔者先大致介绍一下，word2vec是什么，能够用来干什么，让读者有一个大致的认识。word2vec是2013年Efficient estima
-
谷歌开放全新自然语言数据集：多元化场景更详细标注，让 AI 助手更懂人类
导语：更接近人类对话的数据雷锋网 AI 开发者：近日，谷歌宣布开放两个新的自然语言对话数据集，分别是 Coached Conversational Preference Elicitation（CCPE）和 Taskmaster-1。这两个数据集旨在对更接近人类对话的数据进行更详细的标注，并提供到自然语言处理相关研究者更符合生活实际的数据内容。谷歌发布了相关内容详细介绍该开放数据集，雷锋网 AI
-
合同审查自动化-智能化寻找合同问题
从合同撰写的步骤来看，其中的一部分工作，比如检查合同内容是否保持前后一致；检查合同的法律用语是否正确；检查合同内容是都合法等工作，对法务者的专业积累要求不高，这些工作完全可以由人工智能代替。灵玖合同审查软件利用人工智能技术，能够实现对合同的智能核查。同时，对于专业信息较强的合同审查，灵玖合同审核软件配置了不同的审核规则，达到对专业要求较高的合同审查处理。
-
「NLP-词向量」一文详述词向量的由来及本质
2019-09-03 11:46:46词嵌入是所有自然语言处理任务所必须要经历的步骤，非常的重要。词向量在网络上已经有了大量的文章，但是，出于我们专栏的完整性系统性的考虑，笔者还是决定加上这样一个专题。计划用3-4次，彻底说清楚在自然语言处理中，词向量的由来，本质和训练。公众号专栏主要讲基本原理，知识星球讲实际的操作。本篇主要讲述词向量的由来及本质。作者 | 小Dream哥编辑 | 言有三1 词的
-
NLP创造力技巧
2019-08-21 12:05:52来源：网络*多方观点对问题持有越多观点，越能得到产生问题原因的信息。由于分散性问题牵涉不止一个领域，因此仅从一个观点来找解答，可能会有无法达到所欲改变的危险。问题解决的“多方观点”法可以依你认为对—特定问题所需的观点来调整，我们使用在本网站所提到的问题类型来作解释。二十人以上的大团体每个方块代表一个包含三至六个人的房间，每个房间都标上对相同问题的不同观点。各组
-
Attention机制的精要总结，附：中英文机器翻译的实现！
1. 什么是Attention机制 在“编码器—解码器（seq2seq）”⼀节⾥，解码器在各个时间步依赖相同的背景变量来获取输⼊序列信息。当编码器为循环神经⽹络时，背景变量来⾃它最终时间步的隐藏状态。 现在，让我们再次思考那⼀节提到的翻译例⼦：输⼊为英语序列“They”“are”“watching”“.”，输出为法语序列“Ils”“regardent”“.”。不难想到，解码器在⽣成输出序列中的每⼀...
-
初学者 | NLP相关任务简介
本文根据自己的学习以及查阅相关资料的理解总结，简要的介绍一下自然语言处理(nlp)一些相关技术以及相关任务，nlp技术包括基础技术和应用技术。后续会抽空继续分专题完善这一个系列。限于作者水平有限，其中难免有错漏之处，欢迎读者斧正。发展一般认为1950 年图灵提出著名的“图灵测试”是自然语言处理思想的开端。20 世纪 50 年代到 70 年代自然语言处理主要采用基于规则的方法。基于规则的方法不可能覆
-
seq2seq通俗理解----编码器和解码器(TensorFlow实现)
文章目录1. 什么是seq2seq2. 编码器3. 解码器4. 训练模型5. seq2seq模型预测5.1 贪婪搜索5.2 穷举搜索5.3 束搜索6. Bleu得分7. 代码实现8. 参考文献 1. 什么是seq2seq 在⾃然语⾔处理的很多应⽤中，输⼊和输出都可以是不定⻓序列。以机器翻译为例，输⼊可以是⼀段不定⻓的英语⽂本序列，输出可以是⼀段不定⻓的法语⽂本序列，例如： 英语输⼊：“They”、...
