NLP&NLU - 專題

投稿

NLP&NLU

收錄了88篇文章 · 28人關(guān)注

NLP（三十）利用ALBERT和機器學(xué)習(xí)來做文本分類
??本文的靈感來自于A Visual Guide to Using BERT for the First Time酸些，其作者為Jay Alamma...

0.1 山陰少年 2 4 1
通俗理解label smoothing 標簽平滑實例
問題背景對于分類問題，尤其是多類別分類問題中，常常把類別向量做成one-hot vector(獨熱向量)。簡單地說捣域，就是對于多分類向量，計算...

0.1 top_小醬油 0 1

利用Word2vec生成句向量（二）
在之前的文章《利用Word2vec生成句向量（一）》中宴合，介紹了兩種句向量的生成方法焕梅，本文將介紹一種號稱"簡單卻具有一定競爭力"的句向量表示方法：...

菜菜鑫 6 4
跟著代碼理解BERT中的優(yōu)化器AdamW（AdamWeightDecayOptimizer）
引言最近依舊在做命名實體識別的任務(wù)，一直在想如何能在保證效率的前提下形纺，提升BERT+BiLSTM+CRF這個主流模型的準確率丘侠。“ 達觀杯 ”的...

0.3 菜菜鑫 0 9
命名實體識別不只有BiLSTM+CRF
最近做命名實體識別（NER）的任務(wù)比較多逐样，也剛剛接觸NER不久，做一下小小的總結(jié)打肝。近兩年中文命名實體識別在信息抽取和關(guān)系抽取上的應(yīng)用受到了研究人...

0.3 菜菜鑫 4 5
《Named Entity Recognition with Bidirectional LSTM-CNNs》閱讀筆記
Collobert等提出一個有效的神經(jīng)網(wǎng)絡(luò)模型脂新，只需要little feature engineering而不是在大量的unlabelled t...

0.1 best___me 0 2
NLP中數(shù)據(jù)增強的綜述大全
與計算機視覺中使用圖像進行數(shù)據(jù)增強不同，NLP中文本數(shù)據(jù)增強是非常罕見的粗梭。這是因為圖像的一些簡單操作争便，如將圖像旋轉(zhuǎn)或?qū)⑵滢D(zhuǎn)換為灰度，并不會改變其...

0.3 top_小醬油 0 4

最通俗易懂的解說viterbi維特比算法断医！
這篇回答你絕對看得懂滞乙！如下圖，假如你從S和E之間找一條最短的路徑鉴嗤，除了遍歷完所有路徑斩启，還有什么更好的方法？答案：viterbi (維特比)算法...

0.3 top_小醬油 2 4
（四）序列標注——實體識別BERT-BLSTM-CRF（下）
前面說的是ner的經(jīng)典算法以及今年的一些比較好的工作醉锅，最近bert模型刷新了NLP的絕大部分任務(wù)兔簇，可謂是一夜之間火爆了整個NLP界，這里我簡單記...

0.6 天生smile 15 26 1
（四）序列標注——實體識別LSTM-CRF（上）
在做這個任務(wù)的時候是17年的9月份硬耍，當時是在一家金融公司實習(xí)做基于大量金融數(shù)據(jù)（年報垄琐，研報）的中文實體識別任務(wù)，用的模型就是LSTM-C...

2.7 天生smile 11 41