-
解构华为AI技术布局：构建无所不及的智能
https://www.toutiao.com/a6648499978907943437/ 编辑 | 吴斯视频 | 二叉树团队视频加载中...AI：我是谁？以 AI 为驱动的第四次技术革命已经到来，人工智能作为一种通用目的技术，其触发的产业变革，将涉及所有行业、所有组织和个人。到 2025 年，全球个人智能助理普及率将达到 90%，智能服务机器人将步入 12% 的家庭，企业对 AI 的采用率将达
-
在人工智能时代，为什么一定要学习Python？
现在信息更新的非常快速，又迎来了大数据的时代， 各行各业如果不与时俱进，都将面临优胜劣汰，知识是不断的更新的，只有一技之长，才能立于不败之地。而在人工智能时代，Python有望成为编程界的superstar。Python变得越来越流行，它已经被很多编程大佬，尊称为世界上，最爽最优美的语言。推荐下小编的Python学习群；478176712，不管你是小白还是大牛，小编我都欢迎，不定期分享干货，包括小
-
2018自然语言处理与机器学习论文发表统计
https://www.toutiao.com/a6645278730526671368/ 来源：http://www.marekrei.com/blog/ml-and-nlp-publications-in-2018/翻译：哈工大SCIR 尹庆宇自然语言处理领域在2018年有着突飞猛进的进步，在论文发表和投递数量都屡创新高，打破历史记录。NeurIPS会议的门票甚至在11分38秒内就售罄。本文对
-
HanLP分词命名实体提取详解
文本挖掘是抽取有效、新颖、有用、可理解的、散布在文本文件中的有价值知识，并且利用这些知识更好地组织信息的过程。对于文本来说，由于语言组织形式各异，表达方式多样，文本里面提到的很多要素，如人名、手机号、组织名、地名等都称之为实体。在工程领域，招投标文件里的这些实体信息至关重要。利用自然语言处理技术从形式各异的文件中提取出这些实体，能有效提高工作效率和挖掘实体之间的潜在联系。
-
HanLP极致简繁转换详细讲解
谈起简繁转换，许多人以为是小意思，按字转换就行了。事实上，汉语历史悠久，地域复杂，发展至今在字符级别存在“一简对多繁”和“一繁对多简”，在词语级别上存在“简繁分歧词”，在港澳台等地则存在“字词习惯不同”的情况。为此，HanLP新增了“简体”“繁体”“臺灣正體”“香港繁體”间的相互转换功能，力图将简繁转换做到极致。
-
从想法到实干，2018 年 13 项 NLP 绝美新研究
在过去的 2018 年中，自然语言处理有很多令人激动的想法与工具。从概念观点到实战训练，它们为 NLP 注入了新鲜的活力。前一段时间，Sebastian Ruder 介绍了他心中 10 个最有影响力的想法，并且每一个都提供了具体论文与核心思想。正如 Ruder 所说，他的清单必然是主观的，主要涵盖了迁移学习和泛化相关的想法。其中有的想法在过去一年非常受关注，大家围绕这些完美的观点展开了很多研究工作与实践。而有的想法并不是当前趋势，不过它们有可能在未来变得流行。因此，机器之心在 Ruder 介绍的基础上，重点关注今年的前沿趋势，并推荐一些真正好用的 NLP 新工具。
-
Python入门到实践-了解Python
关于Python的发展，及Python的历史概述我这里将不会浪费时间和大家介绍，因为我觉得能够借用搜索引擎搜索到的知识大家就竟可能的自己动手动脑去了解和认知，我主要就讲讲Python的一些基本的特性及版本的选择相关知识：推荐下小编的Python学习群；629440234，不管你是小白还是大牛，小编我都欢迎，不定期分享干货，包括小编自己整理的一份2018最新的Python和0基础入门教程，欢迎初学和
-
pyhanlp 中文词性标注与分词简介
pyhanlp 中文词性标注与分词简介 pyhanlp实现的分词器有很多，同时pyhanlp获取hanlp中分词器也有两种方式第一种是直接从封装好的hanlp类中获取，这种获取方式一共可以获取五种分词器，而现在默认的就是第一种维特比分词器1.维特比 (viterbi)：效率和效果的最佳平衡。也是最短路分词，HanLP最短路求解采用Viterbi算法2.双数组trie树 (dat)：极速词
-
学好Python的10种方向，你选择好了吗？
早前中国学习Python的比较少，招聘Python的却非常的多，所以Python成为了部分人非常好的选择方向。随着最近Python的热度上涨，学习的人数也在增多，也因为Python这门语言的简短、易学、语言优美的优点，吸引了很多人来学习它，其中包括有编程基础的人，或者连编程都没接触过的人。对于那些有着一定编程基础的人来说，学习Python会为你的技术锦上添花，而对于零基础的小白，很多人都不明白如何
-
NLP汉语自然语言处理入门基础知识介绍
自然语言处理是一门计算机科学、人工智能以及语言学的交叉学科。虽然语言只是人工智能的一部分（人工智能还包括计算机视觉等），但它是非常独特的一部分。这个星球上有许多生物拥有超过人类的视觉系统，但只有人类才拥有这么高级的语言。
-
pyhanlp 共性分析与短语提取内容详解
HanLP中的词语提取是基于互信息与信息熵。想要计算互信息与信息熵有限要做的是 文本分词进行共性分析。在作者的原文中，有几个问题，为了便于说明，这里首先给出短语提取的原理。在文末在给出pyhanlp的调用代码。
-
简单有效的多标准中文分词详解
本文介绍一种简洁优雅的多标准中文分词方案，可联合多个不同标准的语料库训练单个模型，同时输出多标准的分词结果。通过不同语料库之间的迁移学习提升模型的性能，在10个语料库上的联合试验结果优于绝大部分单独训练的模型。模型参数和超参数全部共享，复杂度不随语料库种类增长。
-
python调用hanlp分词包手记
Hanlp作为一款重要的分词工具，本月初的时候看到大快搜索发布了hanlp的1.7版本，新增了文本聚类、流水线分词等功能。关于hanlp1.7版本的新功能，后面有使用的到时候在给大家分享。
-
自然语言处理工具HanLP被收录中国大数据产业发展的创新技术新书《数据之翼》
在本届2018中国软件大会上，不仅宣传并成立了数字转型促进会，还发布了由中国大数据产业生态联盟副秘书长、《软件和集成电路》杂志社总编辑郭嘉凯编辑的新书——《数据之翼-引领中国大数据产业发展的创新技术》。在本书的第一章节收录介绍了大快搜索自主研发的Hanlp技术。
-
pyhanlp 两种依存句法分类器
HanLP中的基于神经网络的高性能依存句法分析器参考的是14年Chen&Manning的论文（A Fast and Accurate Dependency Parser using Neural Networks），这里还有一个发在了Github的实现程序，其实现语言为Python。
-
hanlp在Python环境中的安装失败后的解决方法
Hanlp是由一系列模型与算法组成的javag工具包，目标是普及自然语言处理再生环境中的应用。有很多人在安装hanlp的时候会遇到安装失败的情况，下面就是某大神的分享的在python环境中安装失败的解决方法，大家可以借鉴学习以下！
-
ubuntu下pycharm调用Hanlp实践分享
前几天看了大快的举办的大数据论坛峰会的现场直播，惊喜的是hanlp2.0版本发布。Hanlp2.0版本将会支持任意多的语种，感觉还是挺好的！不过更多关于hanlp2.0的信息，可能还需要过一段时间才能看到，只能等一下了！下面分享一篇大神的文章，是关于在ubuntu下使用pycharm调用hanlp的实验。
-
四个问题，Yoshua等27位前沿研究者，这是一份NLP领域的请回答2018
今年9月份，深度学习Indaba2018峰会在南非斯泰伦博斯举办，包括谷歌大脑Jeff Dean在内的一众研究者都到场进行了分享。一位来自Insight数据分析研究中心的博士生Sebastian Ruder在准备自己的分享期间，就四个问题咨询了包括Yoshua Bengio在内的20+位这个领域的前沿研究者。
-
在Python中调用Java扩展包HanLP测试记录
最近在研究中文分词及自然语言相关的内容，关注到JAVA环境下的HanLP，HanLP是一个致力于向生产环境普及NLP技术的开源Java工具包，支持中文分词（N-最短路分词、CRF分词、索引分词、用户自定义词典、词性标注），命名实体识别（中国人名、音译人名、日本人名、地名、实体机构名识别），关键词提取，自动摘要，短语提取，拼音转换，简繁转换，文本推荐，依存句法分析（MaxEnt依存句法分析、神经网络依存句法分析）。
-
Hanlp在ubuntu中的使用方法介绍
HanLP的一个很大的好处是离线开源工具包，换而言之，它不仅提供免费的代码免费下载，而且将辛苦收集的词典也对外公开啦，此诚乃一大无私之举．我在安装的时候，主要参照这份博客： blog.csdn.net/article/details?id=50938796 不过该博客主要介绍的是windows如何使用hanlp,而ubuntu是linux的，所以会有所区别．下面我主要介绍的是在
