自然语言处理 （NLP） 是人工智能的一个领域，专注于使计算机能够理解、解释和生成人类语言。它在现代应用程序中发挥着关键作用，从语言翻译和情感分析到聊天机器人和搜索引擎。NLP 技术使开发人员能够从大量文本数据中提取见解，使其成为数据分析和决策的强大工具。在本次会议中，我们将探讨N
文本是序列数据的一种最常见的形式之一 为了对文本进行预处理，通常将文本拆分成词元，构建词表将词元字符串映射为数字索引，并将文本数据转换为词元索引以供模型操作。
支持向量机(Support Vector Machine, SVM)算法也是一种处理二分类问题的线性分类器，是一种监督学习的方法，是用来解决样本求解的最大边距超平面的问题，是边界决策中常见的分类方法。 最大间隔 SVM听上去高深且难以理解，不妨举个来了解SVM的思想。小学时，同桌之间经常会用
Support Vector Machine(SVM) 对下图中的数据点进行分类： 要解决的问题： 什么样的决策边界最好？ 特征数据本身若很难分应怎么处理？ 计算复杂度如何？ 决策边界 若将数据点比喻为地雷，则决策边界为选出的离雷区最远的（雷区就是边界上的点，要large margin） 距离的计算 数据标签定义 数据
（Natural Language Processing） 一、研究对象 对日常生活中的“文字”进行处理（翻译等） 二、历史 1950-1980，nlp还是机器机械的运作人给他的指令（做简单的文字匹配等工作） 1980后，刚性的文字处理人工规则日益被柔性的、以概率为基础的统计模型所替代。 三、自然语言处理的一大难题——翻
贝叶斯方法 贝叶斯定理 条件概率P(X|Y)：表示事件B发生的情况下事件A发生的概率 先验概率P(Y)：指事情还未发生，求这件事情发生的可能性大小。 后验概率P(Y|X)：事件由某个因素引起的可能性大小。 贝叶斯公式：$$P(Y|X)=\frac{P(X|Y)P(Y)}{P(X)}$$ 假设时间A表示机器学习任务中样本的取值
1. 简介 NLP的底层任务由易到难大致可以分为词法分析、句法分析和语义分析。分词是词法分析（还包括词性标注和命名实体识别）中最基本的任务，可以说既简单又复杂。说简单是因为分词的算法研究已经很成熟了，大部分的准确率都可以达到95%以上，说复杂是因为剩下的5%很难有突破，主要因为三点：
目录1. 为什么需要模型压缩2. 模型压缩的基本方法 1. 为什么需要模型压缩 理论上来说，深度神经网络模型越深，非线性程度也就越大，相应的对现实问题的表达能力越强，但相应的代价是， 训练成本和模型大小的增加。 同时，在部署时，大模型预测速度较低且需要更好的硬件支持。 但随着深度学习
目录前言 前言 相信做中文NLP的朋友们，对哈工大和科大讯飞发布的一系列中文预训练模型(https://github.com/ymcui/） 并不陌生。它们在各个预训练原论文的基础上，基于中文语料，发布了诸如BERT、RoBERTa、ELECTRA、XLNet等模型，极大推动了中文NLP的发展。 不同的预训练模型用了不同的tric
众所周知垂直领域相对于开放域来说需要的专业知识度更高，很多垂直领域的NLP处理在前期都是基于规则的。一个明显的原因，基于规则的准确率更高，需要的数据较少，但是它的弊端依然很明显--泛化扩展能力差。所以基于大规模预训练模型检测体系应运而生。但是在垂直领域做完全专注于模型
一、 人工智能技术在现代科技发展中的作用 人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原
转载自： https://blog.csdn.net/Flying_sfeng/article/details/121691380 1. Easy Data Augmentation(EDA) EDA是一种简单但非常有效的方法，具体包括随机替换，随机插入，随机交换，随机删除等。 代码也很简单: EDA代码 2. An Easier Data Augmentation(AEDA) AEDA方法很简单，
不管是NLP，还是其他领域，在学之前最好先对全局有个大概的印象，知道有哪些重要知识点。比如在学NLP之前， 需要有一定的数学&编程基础 掌握基本的统计学习模型 了解深度学习网络原理。 而真的去学NLP，只需要掌握五种基本任务 分类 序列标注 文本匹配 文本生成 语言模型 再套到具
作者：韩信子@ShowMeAI 教程地址：http://www.showmeai.tech/tutorials/36 本文地址：http://www.showmeai.tech/article-detail/255 声明：版权所有，转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容 本系列为斯坦福CS224n《自然语言处理与深度学习(Natural Language Pr
作者：韩信子@ShowMeAI，路遥@ShowMeAI，奇异果@ShowMeAI 教程地址：http://www.showmeai.tech/tutorials/36 本文地址：http://www.showmeai.tech/article-detail/254 声明：版权所有，转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容 ShowMeAI为斯坦福CS224n《自然语言处理
RNN循环神经网络 RNN循环神经网络被广泛应用于自然语言处理中，对于处理序列数据有很好的效果，常见的序列数据有文本、语音等，至于为什么要用到循环神经网络而不是传统的神经网络，我们在这里举一个例子。 假如有一个智能订票系统，我只需要输入一句话，该系统能识别出我将在什么时间
作者：韩信子@ShowMeAI，路遥@ShowMeAI，奇异果@ShowMeAI 教程地址：http://www.showmeai.tech/tutorials/36 本文地址：http://www.showmeai.tech/article-detail/249 声明：版权所有，转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容 ShowMeAI为斯坦福CS224n《自然语言处理
包括ACE2005、TACRED、WSJ0、Ontonotes5.0、NYT(New York Times)、Gigaword、Conll2003、CTB9.0、TDT5、HKUST、TIMIT、TAC KBP等LDC语料。 如有需要可加V：13072932758. ACE2005 TACRED ontonotes-release-5.0 New York Times WSJ0（LDC93S6A）
作者：韩信子@ShowMeAI 教程地址：http://www.showmeai.tech/tutorials/36 本文地址：http://www.showmeai.tech/article-detail/247 声明：版权所有，转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容 本系列为斯坦福CS224n《自然语言处理与深度学习(Natural Language Pr
作者：韩信子@ShowMeAI，路遥@ShowMeAI，奇异果@ShowMeAI 教程地址：http://www.showmeai.tech/tutorials/36 本文地址：http://www.showmeai.tech/article-detail/248 声明：版权所有，转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容 ShowMeAI为斯坦福CS224n《自然语言处理与
逻辑回归（Logistic Regression）仍然属于线性分类，是一种分类算法，用于解决二分类问题，估计某种事物的可能性，比如判定一封邮件是否为垃圾邮件；判定用户点击某广告的可能性；判定病人患某种疾病的可能性。由于是线性模型，预测时计算简单、预测速度非常快，当数据规模巨大时，相比SVM神经网络
作者：韩信子@ShowMeAI，路遥@ShowMeAI，奇异果@ShowMeAI 教程地址：http://www.showmeai.tech/tutorials/36 本文地址：http://www.showmeai.tech/article-detail/240 声明：版权所有，转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容 ShowMeAI为斯坦福CS224n《自然语言处理
作者：韩信子@ShowMeAI，路遥@ShowMeAI，奇异果@ShowMeAI 教程地址：http://www.showmeai.tech/tutorials/36 本文地址：http://www.showmeai.tech/article-detail/236 声明：版权所有，转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容 ShowMeAI为斯坦福CS224n《自然语言处理与
作者：韩信子@ShowMeAI，路遥@ShowMeAI，奇异果@ShowMeAI 教程地址：http://www.showmeai.tech/tutorials/36 本文地址：http://www.showmeai.tech/article-detail/235 声明：版权所有，转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容 ShowMeAI为斯坦福CS224n《自然语言处理与
作者：韩信子@ShowMeAI 教程地址：http://www.showmeai.tech/tutorials/36 本文地址：http://www.showmeai.tech/article-detail/232 声明：版权所有，转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容 本系列为斯坦福CS224n《自然语言处理与深度学习(Natural Language Proc
