# 自然语言处理 #
1
关注
8268内容
|
2017 CIKM机器学习大赛分析与总结
1 前言与背景
为提升对前沿算法技术的研究和理解，去年以个人参赛的方式参加了CIKM 国际数据挖掘大赛AnalytiCup，尝试在7月-8月的一个月时间内，利用业余时间，独立搭建了一套简单的自然语言学习框架，最终在与169支队伍竞技中获得第16名的成绩。
这次比赛是我个人的第一次简单尝试，由于业务较紧，年前没有时间写下来，现在回过头来总结
|
一文助你解决90%的自然语言处理问题（附代码）
自然语言处理（NLP）与计算机视觉（CV）一样，是目前人工智能领域里最为重要的两个方向。如何让机器学习方法从文字中理解人类语言内含的思想？本文中，来自 Insight AI 的 Emmanuel Ameisen 将为我们简述绝大多数任务上我们需要遵循的思路。
|
【收藏】2018年不容错过的20大人工智能/机器学习/计算机视觉等顶会时间表
计算机科学，尤其是人工智能领域相比其他学科更重视会议，最新、最重要的工作往往先发表在相关顶会上。本文介绍了2018年值得关注的20个顶会，包括人工智能、机器学习、计算机视觉、自然语言处理、体系结构等领域。
|
数据驱动的多策略聊天引擎
1. 聊天引擎做什么
聊天引擎是一款模拟人类对话或聊天的陪伴产品。接受用户的自然语言输入，返回可解释、承上启下、顺畅的自然语言句子。与问答引擎、专家系统等不同，聊天引擎重点在“侃”，不太关注如何解决用户的实际问题或者执行任务，而是关注如何能与用户进行天南地北的聊天，涉及的话题会很广，但
|
【2018展望Top10】GAN应用落地，NLP急需突破
2017年人工智能行业延续了2016年蓬勃发展的势头，那么在过去的一年里AI行业从技术发展角度有哪些重要进展？未来又有哪些发展趋势？本文从大家比较关注的若干领域作为代表，来归纳AI领域一些方向的重要技术进展。
|
采样方法（一）
最近开始拾起来看一些NLP相关的东西，特别是深度学习在NLP上的应用，发现采样方法在很多模型中应用得很多，因为训练的时候如果预测目标是一个词，直接的softmax计算量会根据单词数量的增长而增长。恰好想到最开始深度学习在DBN的时候采样也发挥了关键的作用，而自己对采样相关的方法了解不算太多，所以去学习记录一下，经典的统计的方法确实巧妙，看起来非常有收获。
|
书籍:Python深度学习项目 Python Deep Learning Projects - 2018.Pdf
简介
Python深度学习项目
使用Python和Keras掌握深度学习和神经网络架构的富有洞察力的项目
主要特点
探索跨计算机视觉，自然语言处理（NLP）和图像处理的深度学习
探索深度神经网络及其部署培训的最佳实践
访问流行的深度学习模型以及广泛使用的神经网络架构
图书说明
深度学习已逐渐彻底改变人工智能的各个领域，使应用程序开发更容易。
免费试用