- NLP：Transformer的简介(优缺点)、架构详解之详细攻略 目录 Transformer的简介(优缺点)、架构详解之详细攻略 1、Transformer的简介 (1)、Transforme的四4个优点和2个缺点 2、Transformer 结构—纯用attention搭建的模型→计算速度更快 ... NLP：Transformer的简介(优缺点)、架构详解之详细攻略 目录 Transformer的简介(优缺点)、架构详解之详细攻略 1、Transformer的简介 (1)、Transforme的四4个优点和2个缺点 2、Transformer 结构—纯用attention搭建的模型→计算速度更快 ...
- NLP：Transformer的架构详解之详细攻略(持续更新) 目录 Transformer的架构详解 1、 Encoder 1.1、Positional Encoding—数据预处理的部分 1.2、Multi-Head Attention 1.2.1、Attention NLP：Transformer的架构详解之详细攻略(持续更新) 目录 Transformer的架构详解 1、 Encoder 1.1、Positional Encoding—数据预处理的部分 1.2、Multi-Head Attention 1.2.1、Attention
- NLP：自然语言处理技术近十年发展技术更迭的简介、案例之详细攻略(持续更新) 目录 自然语言处理技术近十年发展技术更迭的简介、案例 NLP：自然语言处理技术近十年发展技术更迭的简介、案例之详细攻略(持续更新) 目录 自然语言处理技术近十年发展技术更迭的简介、案例
- NLP：GLUE和SuperGLUE基准的简介、任务分类、使用方法之详细攻略 目录 GLUE和SuperGLUE基准的简介 GLUE和SuperGLUE基准的具体任务 GLUE task SuperGLUE task NLP：GLUE和SuperGLUE基准的简介、任务分类、使用方法之详细攻略 目录 GLUE和SuperGLUE基准的简介 GLUE和SuperGLUE基准的具体任务 GLUE task SuperGLUE task
- 学习总结 （1）回顾 fine tune BERT 解决新的下游任务的5个步骤： 1）准备原始文本数据 2）将原始文本转换成BERT相容的输入格式（重点，如下图所示） 3）在BERT之上加入新layer... 学习总结 （1）回顾 fine tune BERT 解决新的下游任务的5个步骤： 1）准备原始文本数据 2）将原始文本转换成BERT相容的输入格式（重点，如下图所示） 3）在BERT之上加入新layer...
- 学习总结 文章目录 学习总结一、Natural Language Toolkit二、常用语料库和词典三、常用NLP工具集3.1 分句3.2 标记解析3.3 词性标注 Reference ... 学习总结 文章目录 学习总结一、Natural Language Toolkit二、常用语料库和词典三、常用NLP工具集3.1 分句3.2 标记解析3.3 词性标注 Reference ...
- 常见的30种NLP任务非常适合练手的Project 作用：研究+练手，加深理解，项目涵盖95+%NLP业务场景。 下列Project都是类似论文实现那样的demo级的，也不是传统的工程实现，用的方法一般... 常见的30种NLP任务非常适合练手的Project 作用：研究+练手，加深理解，项目涵盖95+%NLP业务场景。 下列Project都是类似论文实现那样的demo级的，也不是传统的工程实现，用的方法一般...
- 文章目录 作者信息一、了解NLP的最基本知识二、了解早年经典的NLP模型以及论文三、了解机器学习的基本模型四、多看NLP其他子领域的论文五、了解 CV和data mining领域的基本重大进展 ... 文章目录 作者信息一、了解NLP的最基本知识二、了解早年经典的NLP模型以及论文三、了解机器学习的基本模型四、多看NLP其他子领域的论文五、了解 CV和data mining领域的基本重大进展 ...
- ps：本文转载自知乎用户ID：George的NLP面筋。 文章目录 一面（技术面）1. 简要的自我介绍。2. 研究生阶段最有挑战的项目是什么？3. 对于这个项目，传统的方法是怎么样的？4. 列举... ps：本文转载自知乎用户ID：George的NLP面筋。 文章目录 一面（技术面）1. 简要的自我介绍。2. 研究生阶段最有挑战的项目是什么？3. 对于这个项目，传统的方法是怎么样的？4. 列举...
- 学习总结 上次的NLTK是英文工具集，LTP则是中文工具集。同样能用于词法分析（分词、词性标注、命名实体识别）、句法分析（依存句法分析）和语义分析（语义角色标注和语义依存分析）等。 文章目录 ... 学习总结 上次的NLTK是英文工具集，LTP则是中文工具集。同样能用于词法分析（分词、词性标注、命名实体识别）、句法分析（依存句法分析）和语义分析（语义角色标注和语义依存分析）等。 文章目录 ...
- 论文题目： Federated Learning of Topic-to-Essay Generation with Knowledge tag 实验采用 知乎的数据集 创新点： 生成器中 引入动... 论文题目： Federated Learning of Topic-to-Essay Generation with Knowledge tag 实验采用 知乎的数据集 创新点： 生成器中 引入动...
- 条件随机场模型是由Lafferty在2001年提出的一种典型的判别式模型。它在观测序列的基础上对目标序列进行建模,重点解决序列化标注的问题条件随机场模型既具有判别式模型的优点,又具有产生式模型考虑到上下文标记间的转移概率,以序列化形式进行全局参数优化和解码的特点,解决了其他判别式模型(如最大熵马尔科夫模型)难以避免的标记偏置问题。 ... 条件随机场模型是由Lafferty在2001年提出的一种典型的判别式模型。它在观测序列的基础上对目标序列进行建模,重点解决序列化标注的问题条件随机场模型既具有判别式模型的优点,又具有产生式模型考虑到上下文标记间的转移概率,以序列化形式进行全局参数优化和解码的特点,解决了其他判别式模型(如最大熵马尔科夫模型)难以避免的标记偏置问题。 ...
- NLP 预训练模型 自然语言处理标志 什么是预训练模型？ 预训练模型是由其他人创建的用于解决类似问题的模型。我们可以使用在其他问题上训练的模型作为起点，而不是从头开始构建模型来解决类似的问题。预训练... NLP 预训练模型 自然语言处理标志 什么是预训练模型？ 预训练模型是由其他人创建的用于解决类似问题的模型。我们可以使用在其他问题上训练的模型作为起点，而不是从头开始构建模型来解决类似的问题。预训练...
- Bert+BiLSTM做情感分析 情感分析 情感分析一类的任务比如商品评价正负面分析，敏感内容分析，用户感兴趣内容分析、甚至安全领域的异常访问日志分析等等实际上都可以用文本分类的方式去做，情感分析的问... Bert+BiLSTM做情感分析 情感分析 情感分析一类的任务比如商品评价正负面分析，敏感内容分析，用户感兴趣内容分析、甚至安全领域的异常访问日志分析等等实际上都可以用文本分类的方式去做，情感分析的问...
- 【NLP】⚠️学不会打我! 半小时学会基本操作 14⚠️ 文本处理 概述文本处理 概述 从今天开始我们将开启一段自然语言处理 (NLP) 的旅程. 自然语言处理可以让来处理, 理解, 以... 【NLP】⚠️学不会打我! 半小时学会基本操作 14⚠️ 文本处理 概述文本处理 概述 从今天开始我们将开启一段自然语言处理 (NLP) 的旅程. 自然语言处理可以让来处理, 理解, 以...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签